-
公开(公告)号:CN119741262A
公开(公告)日:2025-04-01
申请号:CN202411734922.5
申请日:2024-11-29
Applicant: 南方医科大学
Abstract: 一种融合多模态影像特征的膝骨关节分数预测方法及系统,其中融合多模态影像特征的膝骨关节分数预测方法通过5个步骤得到对象的膝骨关节预测分数。本发明的有益效果为:1、通过将深度学习、影像组学特征与结合临床特征融合,对膝关节的磁共振T1序列影像图像进行处理和分析,标记腘动脉ROI,并提取相关的影像组学和深度网络特征;本发明相比于传统的单一特征分析,提供了更加全面和精确的病情评估,提高了膝骨关节炎预测的准确性和可靠性。2、本发明基于腘动脉与膝骨关节之间的显著联系,并创新性地通过分析腘动脉的影像特征并结合临床数据,这种方法不仅能够更早期、更准确地预测骨关节炎的发生和进展,还显著提升了预测效果。
-
公开(公告)号:CN116416332A
公开(公告)日:2023-07-11
申请号:CN202310188811.8
申请日:2023-03-02
Applicant: 南方医科大学
Abstract: 本发明的一种基于全局信息共享的多中心联邦学习CT成像方法及系统,其中基于全局信息共享的多中心联邦学习CT成像方法包括四个步骤,最终在不共享所有影像中心数据的条件下,原始低剂量CT测量数据根据步骤(3)得到的优化本地智能重建网络参数进行重建得到优质的最终CT图像。该基于全局信息共享的多中心联邦学习CT成像方法及系统能够解决因多影像中心共享受到监管权力的限制产生的泛化问题,以保证深度神经网络的全局模型性能,从而达到保护患者隐私和解决泛化问题的双重效果。
-
公开(公告)号:CN116228905A
公开(公告)日:2023-06-06
申请号:CN202310098648.6
申请日:2023-02-10
Applicant: 南方医科大学
IPC: G06T11/00 , A61B6/03 , A61B6/00 , G06N3/084 , G06N3/0464
Abstract: 一种用于多种成像几何的云影像中心的CT成像方法及系统,其中用于多种成像几何的云影像中心的CT成像方法包括4个步骤。该CT成像方法具体是通过构建成像几何调制子网络和智能重建子网络得到的优化智能成像网络,然后将CT扫描装置采集到的投影数据输入至优化智能成像网络,最终得到优化CT图像。本发明能够适用于不同成像几何和剂量的CT图像进行重建成像并得到高质量的重建图像,能大大提高灵活性。
-
公开(公告)号:CN107492132B
公开(公告)日:2020-12-15
申请号:CN201710767445.6
申请日:2017-08-31
Applicant: 南方医科大学
Abstract: 一种数字层析成像系统的图像伪影去除方法,包括如下步骤:A1、获取数字层析成像系统的原始投影数据y,A2、分割,对原始投影数据y进行分割,A3、将高衰减物质投影数据yHighAtt生成掩模数据yHighAttMask。A4、滤波,对原始投影数据y进行滤波操作,A5、重建,将软组织投影数据yTissue重建得到软组织重建图像μTissue。对高衰减物质投影数据yHighAttFiltered进行重建,得到高衰减物质重建图像μHighAtt,A6、获得最终图像,将没有伪影的总高衰减物质重建图像μHighAtt‑FreeArtifacts与软组织重建图像μTissue求和得到最终去除伪影的图像数据。
-
公开(公告)号:CN104299239B
公开(公告)日:2017-08-08
申请号:CN201410570293.7
申请日:2014-10-23
Applicant: 南方医科大学
IPC: G06T7/00
Abstract: 一种基于 散度的动态PET图像因子处理方法,包括如下步骤,(1)利用PET成像设备进行动态扫描并进行图像重建,得到动态PET图像;(2)建立因子分析模型;(3)定义动态PET图像与因子分析模型的散度;(4)最小化散度得到初级因子图像和对应的初级因子;(5)最小化初级因子图像间的重叠程度,得到最终因子图像和对应的最终因子。本发明利用了动态PET图像与因子分析模型的散度测度,可以根据动态PET图像噪声不同分布特性,进行因子分析,得到相应的因子图像及因子。由于对分解得到的因子图像加入了唯一性约束使得得到的因子图像之间重叠度最小,可以有效提高因子图像的准确性。
-
公开(公告)号:CN103106676B
公开(公告)日:2016-04-06
申请号:CN201310045122.8
申请日:2013-02-05
Applicant: 南方医科大学
Abstract: 一种基于低剂量投影数据滤波的X射线CT图像重建方法,包括:(1)获取CT设备的系统参数和低剂量扫描协议下的投影数据 ;(2)对步骤(1)中所获取的投影数据进行方差估计;(3)进行滤波器设计,对步骤(1)中获取的投影数据进行滤波,获得滤波后的投影数据;(4)对步骤(3)中获得的滤波后的投影数据进行CT图像重建,得到最终的CT图像。步骤(3)具体包括:进行滤波器形式设计(I);将步骤(1)中的投影数据代入公式(I)循环执行公式(I),达到预设的次数时停止,所得到的迭代运算结果为最终滤波后的投影数据。该方法可在大幅减少图像噪声和伪影的同时较好地保持原有图像的分辨率,最终实现CT图像的优质重建。
-
公开(公告)号:CN116524049A
公开(公告)日:2023-08-01
申请号:CN202310194786.4
申请日:2023-03-02
Applicant: 南方医科大学
IPC: G06T11/00 , G06T7/00 , G06N3/09 , G06N3/0464
Abstract: 一种能够进行交互式训练的智能成像系统,设置有:数据获取模块‑获取各个影像中心的本地CT数据和云端中心端的配对的配对标准化CT低剂量探测数据‑正常剂量图像数据对;联邦学习模块‑通过联邦学习策略交互式训练处理云端中心端的全局成像模型、全局网络参数、各个影像中心的局部成像模型及各个影像中心的局部网络参数,其中全局成像模型和全局网络参数通过有监督训练得到;图像重建模块‑根据各个局部成像模型和局部网络参数,对对应的本地CT数据进行重建得到各个影像中心的最终CT图像。本发明能够将低剂量CT原始采集数据重建为正常剂量CT图像。
-
公开(公告)号:CN107481297A
公开(公告)日:2017-12-15
申请号:CN201710767474.2
申请日:2017-08-31
Applicant: 南方医科大学
CPC classification number: G06T11/006 , G06N3/0454 , G06N3/08 , G06T5/002 , G06T11/008 , G06T2207/10081 , G06T2207/20024 , G06T2207/20081 , G06T2207/20084 , G06T2211/421
Abstract: 一种基于卷积神经网络的CT图像重建方法,包括对原始弦图数据IK进行反投影操作,得到反投影图像数据I’K,对反投影图像数据I’K进行归一化处理,得到归一化反投影图像数据PK,将归一化反投影图像PK通过卷积神经网络进行卷积神经网络滤波,生成待处理图像P’K,对待处理图像P’K进行反归一化处理,得到最终的重建图像Pfinal。不需要对图像滤波进行特别的设计,通过对卷积神经网络模型的训练自动完成图像滤波的学习,本发明重建方法操作简单,处理方便,能够在大幅度减少图像噪声和伪影,同时较好地保持原有图像的分辨率,最终实现CT图像的优质重建。
-
公开(公告)号:CN103810733B
公开(公告)日:2017-04-05
申请号:CN201410071978.7
申请日:2014-02-28
Applicant: 南方医科大学
Abstract: 本发明公开一种稀疏角度X射线CT图像的统计迭代重建方法,其包括步骤:获取CT设备的系统参数及稀疏角度低剂量X射线CT扫描的投影数据yraw,对投影数据yraw进行基于中值先验约束的数据恢复处理,得到恢复后的投影数据yrestored;对投影数据yraw及恢复后的投影数据yrestored进行自适应加权处理,得到加权后的投影数据yweight;对加权后的投影数据yweight采用统计迭代重建方法进行图像重建,得到重建后的低剂量CT图像。本发明通过基于中值先验约束的投影数据恢复以及自适应加权处理,对采集到的稀疏低剂量CT投影数据有效的降噪处理,最终实现稀疏低剂量CT图像的优质重建,重建后的CT图像能够有效地去除重建图像中噪声引起的斑块效应,CT图像质量有着明显的改善。
-
公开(公告)号:CN103136731B
公开(公告)日:2015-11-25
申请号:CN201310045100.1
申请日:2013-02-05
Applicant: 南方医科大学
IPC: G06T5/00
Abstract: 一种动态PET图像的参数成像方法,依次包括如下步骤:(1)获取动态PET所有时间帧的投影数据;(2)对步骤(1)中获取的动态PET投影数据采用PET重建方法进行图像重建,获取动态PET图像;(3)设计动态PET图像滤波器,对步骤(2)中获取的动态PET图像进行降噪处理;滤波器的形式为: ,权重因子;(4)对步骤(3)降噪处理后的动态PET图像进行参数成像。本发明的动态PET图像的参数成像方法由于设计了动态PET图像滤波器,能够有效消除图像噪声、提高参数图像的质量。
-
-
-
-
-
-
-
-
-