[发明专利]使用自关注深度学习进行图像增强的系统和方法有效
| 申请号： | 202080003449.7 | 申请日： | 2020-09-28 |
| 公开（公告）号： | CN112770838B | 公开（公告）日： | 2023-08-25 |
| 发明（设计）人： | 项磊;王泷;张涛;宫恩浩 | 申请（专利权）人： | 长沙微妙医疗科技有限公司 |
| 主分类号： | B01J31/22 | 分类号： | B01J31/22 |
| 代理公司： | 北京世辉律师事务所 16093 | 代理人： | 黄倩 |
| 地址： | 410021 湖南省长沙市中国（湖南）自由贸易试验区长沙片*** | 国省代码： | 湖南;43 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 使用 关注 深度 学习 进行 图像 增强 系统 方法 | ||
1.一种用于改进图像质量的计算机实现的方法，包括：
(a)使用医学成像设备获取受试者的医学图像，其中以缩短的扫描时间或减少的示踪剂量获取所述医学图像；以及
(b)将深度学习网络模型应用于所述医学图像，以生成(i)一个或多个关注特征图和(ii)增强医学图像。
2.根据权利要求1所述的计算机实现的方法，其中所述深度学习网络模型包括用于生成所述一个或多个关注特征图的第一子网和用于生成所述增强医学图像的第二子网。
3.根据权利要求2所述的计算机实现的方法，其中所述第二子网的输入数据包括所述一个或多个关注特征图。
4.根据权利要求2所述的计算机实现的方法，其中所述第一子网和所述第二子网是深度学习网络。
5.根据权利要求2所述的计算机实现的方法，其中所述第一子网和所述第二子网在端到端训练过程中训练。
6.根据权利要求5所述的计算机实现的方法，其中训练所述第二子网以适应所述一个或多个关注特征图。
7.根据权利要求1所述的计算机实现的方法，其中所述深度学习网络模型包括U-net结构和残差网络的组合。
8.根据权利要求1所述的计算机实现的方法，其中所述一个或多个关注特征图包括噪声图或病变图。
9.根据权利要求1所述的计算机实现的方法，其中所述医学成像设备是变换磁共振(MR)装置或正电子发射断层扫描(PET)装置。
10.根据权利要求1所述的计算机实现的方法，其中所述增强医学图像具有更高的分辨率或改进的信噪比。
11.一种非暂时性计算机可读存储介质，其包括指令，当所述指令由一个或多个处理器执行时，使所述一个或多个处理器执行操作，包括：
(a)使用医学成像设备获取受试者的医学图像，其中以缩短的扫描时间或减少的示踪剂量获取所述医学图像；以及
(b)将深度学习网络模型应用于所述医学图像，以生成(i)一个或多个关注特征图和(ii)增强医学图像。
12.根据权利要求11所述的非暂时性计算机可读存储介质，其中所述深度学习网络模型包括用于生成所述一个或多个关注特征图的第一子网和用于生成所述增强医学图像的第二子网。
13.根据权利要求12所述的非暂时性计算机可读存储介质，其中到所述第二子网的输入数据包括所述一个或多个关注特征图。
14.根据权利要求12所述的非暂时性计算机可读存储介质，其中所述第一子网和所述第二子网是深度学习网络。
15.根据权利要求12所述的非暂时性计算机可读存储介质，其中所述第一子网和所述第二子网在端到端训练过程中被训练。
16.根据权利要求15所述的非暂时性计算机可读存储介质，其中训练所述第二子网以适应所述一个或多个关注特征图。
17.根据权利要求11所述的非暂时性计算机可读存储介质，其中所述深度学习网络模型包括U-net结构和残差网络的组合。
18.根据权利要求11所述的非暂时性计算机可读存储介质，其中所述一个或多个关注特征图包括噪声图或病变图。
19.根据权利要求11所述的非暂时性计算机可读存储介质，其中所述医学成像设备是变换磁共振(MR)装置或正电子发射断层扫描(PET)装置。
20.根据权利要求11所述的非暂时性计算机可读存储介质，其中所述增强医学图像具有更高的分辨率或改进的信噪比。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于长沙微妙医疗科技有限公司，未经长沙微妙医疗科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202080003449.7/1.html，转载请声明来源钻瓜专利网。
- 上一篇：一种卫星回传信息的确定方法及装置
- 下一篇：轮胎用嵌件
