公开(公告)号：CN118261899B

公开(公告)日：2024-11-22

申请号：CN202410464575.2

申请日：2024-04-17

Applicant: 徐州医科大学

Inventor： 周英雯 ,  唐璐 ,  张雅轩 ,  徐灵悦 ,  杨悦 ,  田传耕

IPC: G06T7/00 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/084

Abstract: 本发明提出一种基于DwG2NPAN的无参考多模态医学融合图像质量评价方法，涉及医学图像融合领域，该方法通过模拟人类视觉系统的感知差异，实现对医学融合图像质量的准确评价，旨在解决当前医学融合图像质量评价过程中缺乏客观、可靠参考标准的问题。本发明主要由扩散模型辅助生成式对抗网络引导的差异感知模块和基于注意力的质量评估网络组成，通过构建名为DwG2NPAN的创新模型，充分利用GAN在图像生成方面的优势，结合扩散模型的特性，以低质量融合图像为输入，生成高质量的融合图像，为医学融合图像的质量评价提供客观、可靠的参考标准。

公开(公告)号：CN118261899A

公开(公告)日：2024-06-28

申请号：CN202410464575.2

申请日：2024-04-17

Applicant: 徐州医科大学

Inventor： 周英雯 ,  唐璐 ,  张雅轩 ,  徐灵悦 ,  杨悦 ,  田传耕

IPC: G06T7/00 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/084

Abstract: 本发明提出一种基于DwG2NPAN的无参考多模态医学融合图像质量评价方法，涉及医学图像融合领域，该方法通过模拟人类视觉系统的感知差异，实现对医学融合图像质量的准确评价，旨在解决当前医学融合图像质量评价过程中缺乏客观、可靠参考标准的问题。本发明主要由扩散模型辅助生成式对抗网络引导的差异感知模块和基于注意力的质量评估网络组成，通过构建名为DwG2NPAN的创新模型，充分利用GAN在图像生成方面的优势，结合扩散模型的特性，以低质量融合图像为输入，生成高质量的融合图像，为医学融合图像的质量评价提供客观、可靠的参考标准。