Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 广东工业大学秦玉文获国家专利权

广东工业大学秦玉文获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉广东工业大学申请的专利一种基于端到端神经网络的极端稀疏视角CT重建方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN115239836B

龙图腾网通过国家知识产权局官网在2025-06-06发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202210878341.3,技术领域涉及:G06T11/00;该发明授权一种基于端到端神经网络的极端稀疏视角CT重建方法是由秦玉文;林俊成;李佳霖;江文隽;邸江磊设计研发完成,并于2022-07-25向国家知识产权局提交的专利申请。

一种基于端到端神经网络的极端稀疏视角CT重建方法在说明书摘要公布了:本发明属于医学图像处理领域,公开了一种基于端到端神经网络的稀疏角度计算机断层扫描ComputedTomography,CT重建方法,用于解决传统重建方法无法在极端稀疏采样视角条件下重建出清晰CT图像的难题,本发明的端到端CT重建方法首先利用双线性插值对CT设备采集得到的稀疏视角正弦图A进行插值得到初步恢复的满视角的正弦图B;接着输入到训练好的正弦图恢复网络中得到优化后的正弦图C;随后利用滤波反投影算法FilteredBack‑Projection,FBP将正弦图C初步重建为CT图像D;最后通过一个训练好的双流特征融合恢复网络对重建的CT图像进行优化得到高质量的CT图像。本发明的方法可实现直接对稀疏视角正弦图进行重建,并且重建的CT图像的具备更高的结构相似度与清晰度。

本发明授权一种基于端到端神经网络的极端稀疏视角CT重建方法在权利要求书中公布了:1.一种基于端到端神经网络的极端稀疏视角CT重建方法,其特征在于,包括以下步骤:S1、使用CT成像系统中的探测器以间隔相同的角度旋转,均匀欠采样采集对应的极端稀疏视角正弦图放入图像集A中,同时采集对应的满视角正弦图放入图像集After中;S2、利用双线性插值方法对缺失视角的数据进行插值填补,得到初始满视角的正弦图图像集B;S3、将图像集B中的图像放入训练好的正弦图恢复网络中,首先通过浅层特征提取层进行初步特征提取,浅层特征提取层由卷积核大小为3×3的CBR卷积块构成,CBR卷积块包含卷积操作、批量归一化层和ReLU激活函数;随后进入深层特征提取阶段,采用栅栏型Transformer结构进行高级特征建模,使用三个深度可分离卷积分别计算输入特征图中行列交错轴区域的Q、K、V值,结合多头注意力和softmax函数计算特征图对应区域中的自适应权重;最后采用亚像素卷积上采样层进行分辨率恢复,亚像素卷积上采样层由3×3的CBR卷积块和像素随机打乱层构成,CBR卷积块扩展特征图的通道数,而像素随机打乱层则把扩展通道的特征图随机分配至空间维度,以扩展特征图的空间分辨率,最终输出得到优化后的正弦图图像集C;S4、基于Pytorch中搭建的可求导的FBP算法将图像集C中的优化后的正弦图初始重建为CT图像集D;S5、将CT图像集D放入训练好的双流特征融合恢复网络中,双流特征融合恢复网络是由图像恢复子网络、边缘增强子网络和一个特征融合层构成,特征融合层将两个子网络输出的特征图F1和F2进行融合,并通过卷积操作对融合后的特征图F进行通道降维,得到优化后的CT图像。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人广东工业大学,其通讯地址为:510000 广东省广州市越秀区东风东路729号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。