-
公开(公告)号：CN113724350B
公开(公告)日：2024-06-28
申请号：CN202110974231.2
申请日：2021-08-24
Applicant: 南方医科大学
Abstract: 一种基于磁共振信息的光声图像衰减校正，包括以下步骤：S1：固定目标对象，并对目标对象进行磁共振T2序列扫描与光声多光谱扫描，得到目标对象的磁共振图像与光声图像P；S2：对步骤S1得到的磁共振图像与光声图像P进行图像配准，得到配准后的磁共振图像；S3：将步骤S2得到的配准好的磁共振图像进行分割，得到分割先验图像；S4：将分割先验图像代入迭代算法中求解有约束的组织吸收系数，获取光通量分布并计算校正后的光声图像。该方法能够更加方便的实施分割以获取先验图像，实现光声图像的精确光通量校正，而且能够增加深处光声成像能力，提高了光声成像的质量。
-
公开(公告)号：CN117576162A
公开(公告)日：2024-02-20
申请号：CN202311705189.X
申请日：2023-12-12
Applicant: 南方医科大学
Abstract: 本发明提供了一种白质纤维束追踪方法、装置、电子设备和介质，所述方法包括：采集脑部DWI图像，对脑部DWI图像进行预处理得到白质纤维束的信号特征向量，白质纤维束信号特征向量为起始点信号特征向量和/或信号特征向量序列，将白质纤维束的信号特征向量作为白质纤维束追踪模型的输入，输出脑部DWI图像的白质纤维束追踪结果。本发明方法的白质纤维束追踪模型利用卷积神经网络层聚合纤维束各时间点邻域信息，利用注意力机制将纤维束已预测时间点的信息也融合进当前预测中，基于对纤维束信息的全面利用，将纤维束邻域和已预测时间点的信息结合起来能提高预测精度，使纤维束追踪结果同时取得了较好的假阳性率和白质覆盖率。
-
公开(公告)号：CN116712038A
公开(公告)日：2023-09-08
申请号：CN202310689127.8
申请日：2023-06-09
Applicant: 南方医科大学
Abstract: 本发明公开了一种基于螺旋交错稀疏采样的多光谱光声断层成像系统及方法，利用螺旋交错稀疏模式下获取投影数据，并通过组合各位置及各波长下采集得到的稀疏投影数据可以得到一组密集投影，对该密集投影进行重建，最终得到具有良好结构信息高质量的先验图像，将此先验图像嵌入到网络中引导网络学习目标图像的分布，在网络训练好后，分别对各断层位置及各波长下的稀疏角度光声投影数据进行重建，从而增强重建光声图像的质量并最终提高波谱分离的精度。本发明的螺旋交错稀疏采样多光谱光声断层成像方法，有效地减少获取的光声信号的数据量，从而降低了对多路信号采集和存储的要求，简化了系统硬件，降低了成本。
-
公开(公告)号：CN113598716B
公开(公告)日：2022-04-15
申请号：CN202110973661.2
申请日：2021-08-24
Applicant: 南方医科大学
Abstract: 一种光声与磁共振联合成像方法，包括：对目标对象进行磁共振T2序列扫描与光声多光谱扫描，得到目标对象的磁共振图像与光声图像；对磁共振图像与光声图像进行图像配准，得到配准好的磁共振图像；将配准好的磁共振图像加入正则化项中，进而指导光声的图像重建或图像恢复过程。该方法利用磁共振图像出色的解剖结构与梯度信息约束光声的图像重建或图像恢复，生成的图像具有低噪声、低伪影、高分辨和高质量的特点。
-
公开(公告)号：CN113724351A
公开(公告)日：2021-11-30
申请号：CN202110974322.6
申请日：2021-08-24
Applicant: 南方医科大学
IPC: G06T11/00
Abstract: 本发明的一种光声图像衰减校正方法，包括如下步骤：S1：将重建得到的光声图像P转为列向量形式p，将p代入线性系统方程p＝φμa中；S2：采用最小二乘方式将线性系统方程构造为优化问题模型S3：通过分步迭代梯度下降方法对优化问题模型进行迭代求解，获得组织吸收系数μa；S4：将步骤S3获得的组织吸收系数μa变换为矩阵形式，并生成光通量分布矩阵Φ，将光声图像P和光通量分布矩阵Φ代入得到校正后的光声图像P′。该方法采用逐点迭代的方式进行，不需要人工介入就能够实现光通量分布的校正，还能够提高深处光声成像能力，提高了光声成像的质量，且校正速度快、能够直接集成到各光声成像系统中。
-
Patent Agency Ranking
公开(公告)号：CN113724350A
公开(公告)日：2021-11-30
申请号：CN202110974231.2
申请日：2021-08-24
Applicant: 南方医科大学
Abstract: 一种基于磁共振信息的光声图像衰减校正，包括以下步骤：S1：固定目标对象，并对目标对象进行磁共振T2序列扫描与光声多光谱扫描，得到目标对象的磁共振图像与光声图像P；S2：对步骤S1得到的磁共振图像与光声图像P进行图像配准，得到配准后的磁共振图像；S3：将步骤S2得到的配准好的磁共振图像进行分割，得到分割先验图像；S4：将分割先验图像代入迭代算法中求解有约束的组织吸收系数，获取光通量分布并计算校正后的光声图像。该方法能够更加方便的实施分割以获取先验图像，实现光声图像的精确光通量校正，而且能够增加深处光声成像能力，提高了光声成像的质量。
-
公开(公告)号：CN111481172B
公开(公告)日：2021-08-31
申请号：CN202010285780.4
申请日：2020-04-13
Applicant: 南方医科大学
Abstract: 一种交错稀疏采样多光谱光声断层成像系统通过传感器围绕成像对象旋转得到稀疏角度光声投影数据，从而在大幅度减少传感器数量的情况下也能得到高质量的重建光声图像和高精度的波谱分离结果，大大降低生产成本和简化成像系统。一种交错稀疏采样多光谱光声断层成像方法,在减少传感器数量的情况下，利用交错稀疏模式获取投影数据，并通过组合各波长下采集得到的交错稀疏投影数据可以得到一组密集投影，对该密集投影进行重建，最终得到具有良好结构信息高质量的先验图像，利用此先验图像引导各单波长下的稀疏角度光声投影重建，从而增强重建光声图像并最终提高波谱分离的精度。
-
公开(公告)号：CN113240078A
公开(公告)日：2021-08-10
申请号：CN202110469551.2
申请日：2021-04-26
Applicant: 南方医科大学
Abstract: 本发明公开了一种基于深度学习网络的磁共振R2*参数量化方法，该方法包括：使用第一深度学习网络对输入磁共振T2*加权图像进行去噪声处理；同时使用第二深度学习网络对经过噪声处理后的磁共振T2*加权图像进行磁共振R2*量化预测；所述第一深度学习网络和所述第二深度学习网络组建级联网络。使用深度学习算法对R2*参数进行量化，避免了传统算法的复杂性，减小了量化误差，提升了计算速度，缩短了计算所需的时间。
-
公开(公告)号：CN112581385A
公开(公告)日：2021-03-30
申请号：CN202011371326.7
申请日：2020-11-30
Applicant: 南方医科大学
Abstract: 基于多先验约束扩散峰度成像张量估计方法、介质和设备，包括步骤：采用有约束的加权线性最小二乘拟合方法得到DKI参数的初始估计值；根据图像背景计算高斯噪声的标准差；根据初始估计值构建参数集、或根据初始估计值和高斯噪声的标准差构建参数集；根据基于体素的非局部结构相似性测度模型，计算每个体素搜索窗中的权重；建立DKI扩散信号在非中心卡方分布下的一阶矩噪声校正模型；建立DKI张量的物理约束模型；由权重、物理约束模型、一阶矩噪声校正模型、基于局部全变分的约束项构建DKI张量估计目标函数模型；以参数集作为输入，计算DKI张量场，并根据DKI张量场计算得到DKI量化参数图。本发明准确得到DKI量化参数图，为临床疾病的量化诊断提供可靠信息。
-
公开(公告)号：CN110610528A
公开(公告)日：2019-12-24
申请号：CN201910758438.9
申请日：2019-08-16
Applicant: 南方医科大学
Abstract: 本发明公开了一种基于模型的双约束光声断层图像重建方法，包括如下步骤：S1、引入λnlm和λs对最小化代价函数进行优化得到目标函数其中， 为最小二乘项，p是大小为 的列向量表示投影数据，W的大小为表示系统矩阵，R(x)为非局部均值的正则化项；||D-1x||1为稀疏编码约束的正则化项，λnlm为非局部均值的正则化参数，λs为稀疏编码约束的正则化参数；S2、更新最小二乘项和非局部均值的正则化项；S3、引入中间变量u对稀疏编码约束的正则化项进行优化；S4、引入软阈值对稀疏编码约束的正则化项进行更新；S5、通过迭代进行图像重建；在抑制光声图像中噪声和伪影的同时，很好的保持组织的边缘、纹理等结构信息。
-
-
-
-
-
-
-
-
-
Search Results
144
records
(took 0.112 seconds)
