公开(公告)号：CN118411435A

公开(公告)日：2024-07-30

申请号：CN202410439671.1

申请日：2024-04-12

Applicant: 安徽大学

Inventor： 董兴波 ,  杨跃浙 ,  吕兴国 ,  王立稳 ,  张慧 ,  陈永麟 ,  章戴磊 ,  金哲

IPC: G06T11/00 ,  G06T17/00 ,  G06T5/60 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明属于PET成像领域，具体涉及一种基于先验图像的PET图像重建方法及PET图像3D感知方法。该方案将深度学习算法与既有的PET图像重建算法相结合，并将用户之前PET检查得到PET图像作为先验信息嵌入到神经网络中。最后，在受试者每次检查时，同时采用神经网络和PET图像重建算法根据传感器数据生成融合后的重建结果。本发明的3D感知方案利用NeRF中的点云采样技术获得PET图像对应的点云数据；然后通过自定义的编码方式将五维的点云数据转换为2维的新数据；最后训练生成对抗网络实现图像重建，进而利用生成的图像进行体积渲染得到3D感知。本发明可以解决现有PET成像的质量过度依赖探测器几何排列以及检测过程的数据规模的问题，并支持减少扫描时间和剂量。

公开(公告)号：CN114999629B

公开(公告)日：2024-03-01

申请号：CN202210471036.2

申请日：2022-04-28

Applicant: 安徽大学

Inventor： 黄炜 ,  王华彬 ,  陈永麟 ,  张梦欣 ,  韩先君 ,  李学俊

IPC: G16H50/20 ,  G16H50/30 ,  G06V10/764 ,  G06T7/00 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0895 ,  G06V10/774 ,  G06V10/82 ,  G06V10/80 ,  A61B5/00 ,  A61B6/00

Abstract: 本发明属于医学影像处理领域，具体涉及一种基于多特征融合的AD早期预测方法、系统、装置。本发明针对基于Brain 18F‑FDG PET切片图像的预测AD的复杂问题，重新设计了一个新的包含双卷积的骨干网络和分类网络的神经影像预测模型；并在网络模型中引入多注意力模块。在数据集采集过程中，以滤波、裁剪等方式代替传统扩增方法扩增PET切片，提高网络模型的泛化特性。在网络模型的训练阶段，将模糊标签并运用到监督对比学习损失中，在预测阶段还结合分类结果和临床精神心理评估结果进行联合分析，得到最可靠的预测结论。本发明解决了现有图像处理方法在针对Brain 18F‑FDG PET影像进行AD(56)对比文件吕鸿蒙;赵地;迟学斌.基于增强AlexNet的深度学习的阿尔茨海默病的早期诊断.计算机科学.2017,(第S1期),全文.

公开(公告)号：CN114999629A

公开(公告)日：2022-09-02

申请号：CN202210471036.2

申请日：2022-04-28

Applicant: 安徽大学

Inventor： 黄炜 ,  王华彬 ,  陈永麟 ,  张梦欣 ,  韩先君 ,  李学俊

IPC: G16H50/20 ,  G16H50/30 ,  G06V10/764 ,  G06T7/00 ,  G06N3/04 ,  G06V10/774 ,  G06V10/82 ,  G06V10/80 ,  A61B5/00 ,  A61B6/00

Abstract: 本发明属于医学影像处理领域，具体涉及一种基于多特征融合的AD早期预测方法、系统、装置。本发明针对基于Brain 18F‑FDG PET切片图像的预测AD的复杂问题，重新设计了一个新的包含双卷积的骨干网络和分类网络的神经影像预测模型；并在网络模型中引入多注意力模块。在数据集采集过程中，以滤波、裁剪等方式代替传统扩增方法扩增PET切片，提高网络模型的泛化特性。在网络模型的训练阶段，将模糊标签并运用到监督对比学习损失中，在预测阶段还结合分类结果和临床精神心理评估结果进行联合分析，得到最可靠的预测结论。本发明解决了现有图像处理方法在针对Brain 18F‑FDG PET影像进行AD预测时，存在的鲁棒性低、差裕度差和识别率低等问题。