公开(公告)号：CN119152057A

公开(公告)日：2024-12-17

申请号：CN202411126455.8

申请日：2024-08-16

Applicant: 杭州电子科技大学

Inventor： 余潇 ,  陈一飞 ,  贾帆 ,  周冠宇 ,  范振雄 ,  朱晟豪 ,  张晨焱 ,  葛瑞泉 ,  王昌淼

IPC: G06T11/00 ,  G06T5/50 ,  G06T5/70 ,  G06T5/60 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/084

Abstract: 本发明涉及一种基于TC‑KANRecon模型的加速高质量MRI图像重建方法，包括S1、收集图像数据并预处理；S2、搭建基于TC‑KANRecon模型的加速高质量MRI图像重建模型；S3、设计裁剪阈值线性减小的噪声裁剪策略。在采样过程的每一步中，根据采样步骤的当前进度采用线性递减裁剪策略。该策略应用于MF‑UKAN扩散主干产生的噪声估计，以产生具有更好视觉效果的MRI图像；S4、将预处理后的MRI图像和全采样k空间数据作为输入对扩散模型和VAE模块进行反复训练，优化网络参数，不断进行迭代优化；S5、使用欠采样的k空间数据输入至完成训练的基于TC‑KANRecon模型的加速高质量MRI图像重建模型中，并应用配套的裁剪阈值线性减小的噪声裁剪策略最终生成高质量的MRI图像。

公开(公告)号：CN117689750A

公开(公告)日：2024-03-12

申请号：CN202311680300.4

申请日：2023-12-08

Applicant: 杭州电子科技大学

Inventor： 张晨焱 ,  陈一飞 ,  葛瑞泉 ,  孙逸飞 ,  黄一语 ,  范振雄 ,  王昌淼

IPC: G06T11/00

Abstract: 本发明公开了一种基于TC‑DiffRecon模型的纹理协调的MRI图像重建方法，包括如下步骤：步骤1、获取数据集并将数据集划分为训练集和验证集；步骤2、构建并训练TC‑Diffuserecon网络模型；步骤3、将数据集中图像数据输入到MF‑UNet网络中输出预测噪声；步骤4、MF‑UNet网络输出的预测噪声以及数据集中欠采样的k空间图像作为输入通过TCKG模块得到初步预测结果；步骤5、将多组数据图像通过步骤3和步骤4得到多个初步预测结果，将多个初步预测结果通过从粗到细采样模块得到采样结果；步骤6、将步骤5的输出采样结果作为输入重复步骤3和步骤4，一共重复K次，输出MRI重建结果，该方法实现了较高质量的纹理协调的MRI重建结果。

公开(公告)号：CN117423105A

公开(公告)日：2024-01-19

申请号：CN202311219112.1

申请日：2023-09-21

Applicant: 杭州电子科技大学

Inventor： 陈一飞 ,  张晨焱 ,  黄一语 ,  吴越 ,  秦飞巍

IPC: G06V20/69 ,  G06V10/42 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06V10/764 ,  G06V10/774 ,  G06V10/776 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种基于SE‑WBC40Net的白细胞显微图像自动分类方法，包括以下步骤：构建白细胞显微图像分类神经网络，所述白细胞显微图像分类神经网络包括网络分类器和添加在网络分类器上的SE块，所述SE块融入有三个残差块，每个所述残差块由两个卷积层和一个残差层组成，以便于提取突出的特征，并逐层生成特征表示；构建了自己的白细胞显微图像数据集，并划分为训练集和测试集；在训练集上通过一些训练策略来优化网络分类器，并对网络模型参数调优，使网络达到最优效果；使用测试集测试评估得到的网络模型，最终实现自动、智能的白细胞显微图像分类功能。从而实现自动、智能的白细胞显微图像分类功能，同时具有较高的分类准确率和效率。