公开(公告)号：CN117593394A

公开(公告)日：2024-02-23

申请号：CN202311387651.6

申请日：2023-10-24

Applicant: 安徽大学

Inventor： 吴振华 ,  徐嘉飞 ,  曹宜策 ,  杨利霞

IPC: G06T11/00 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/0985

Abstract: 本发明公开了一种基于自适应采样近似消息传递网络的稀疏视图CT重建方法，获取原始CT图像数据集；其中，原始CT图像数据集包括多个场景目标图像；每个场景目标图像上具有场景目标成像值；根据原始CT图像数据集划分为训练集、验证集和测试集；构建基于压缩感知技术和深度神经网络的自适应采样近似消息传递网络；利用训练集、验证集和测试集分别对自适应采样近似消息传递网络进行训练、验证和测试；利用训练好的自适应采样近似消息传递网络对待重建的CT图像进行重建。本发明中能够实现自适应采样的稀疏视图CT重建，能够有效加速数据采集和提高重建得到的图像的质量。

公开(公告)号：CN115308783A

公开(公告)日：2022-11-08

申请号：CN202211070780.8

申请日：2022-09-02

Applicant: 安徽大学

Inventor： 吴振华 ,  徐嘉飞 ,  赵发发 ,  钱军 ,  杨利霞

IPC: G01S19/37 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于VAE‑GAN的无相位的频率分集的计算成像方法，包括如下步骤：S1、构建超表面天线近场成像的数学模型；S2、基于超表面天线近场成像的数学模型，并通过结合深度神经网络和压缩感知技术构建PFDCI‑Net成像网络；S3，对PFDCI‑Net成像网络设计网络训练算法，并对PFDCI‑Net成像网络进行优化，使PFDCI‑Net成像网络的损失最小；S4，使用目标FMNIST数据和目标MNIST数据集训练PFDCI‑Net成像网络，获取重构目标场景的散射系数。本发明提出的计算成像方法完全避免相位恢复带来的误差，降低频率分集CI重建问题的计算复杂性，提高了成像精度与效率。