“苏州深透智能科技有限公司”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果5个，建议您升级VIP下载更多相关专利

[发明专利]一种磁共振成像方法及相关设备-CN202110638201.4在审
发明人：龚南杰;祁成晓;潘博洋 -专利权人： 苏州深透智能科技有限公司
申请日： 2021-06-08 - 公布日： 2021-09-07 - 主分类号： G01R33/56 文献下载
摘要：本申请实施例公开了一种磁共振成像方法，包括：获取目标患者的第一磁共振图像，所述第一磁共振图像为依据所述目标患者的待检测区域的部分K空间数据获得；将所述第一磁共振图像输入预先训练好的图像处理神经网络模型，预先训练好的图像处理神经网络模型由低质量磁共振成像及对应的高质量磁共振成像的训练集训练获得。获得所述图像处理神经网络模型输出的与所述第一磁共振图像对应的第二磁共振图像。使用图像处理神经网络模型进行处理所获得的第二磁共振图像与第一磁共振图像相比，更接近使用全部K空间数据所获得的成像，因此使用第二磁共振图像可以获得更多的患者器官组织信息，提高了磁共振成像所获得的成像的分辨率，提高了信噪比。
一种磁共振成像方法相关设备

[发明专利]一种SPECT成像预测模型创建方法、装置、设备及存储介质-CN202110311613.7在审
发明人：龚南杰;项磊;潘博洋 -专利权人： 苏州深透智能科技有限公司
申请日： 2021-03-24 - 公布日： 2021-06-22 - 主分类号： G06T11/00 文献下载
摘要：本申请公开了一种SPECT成像预测模型创建方法、装置、设备及存储介质。该方法包括：获取含有多个扫描图像组的训练集；其中，每个扫描图像组中包括相互对应的标准采集时长SPECT图像和短采集时长SPECT图像；以深度卷积神经网络为基础进行网络构建，得到待训练网络；将所述训练集中的短采集时长SPECT图像作为输入侧训练数据，将所述训练集中的标准采集时长SPECT图像作为输出侧训练数据，对所述待训练网络进行训练，得到SPECT成像预测模型，以便利用所述SPECT成像预测模型预测得到短采集时长SPECT图像在标准采集时长下的SPECT预测图像。能在保留医学影像的成像质量的情况下大幅度降低SPECT成像时间。
一种 spect 成像预测模型创建方法装置设备存储介质

[发明专利]基于深度学习的快速X射线动态实时成像去噪方法-CN202011563657.0在审
发明人：龚南杰;王嘉宸 -专利权人： 苏州深透智能科技有限公司
申请日： 2020-12-25 - 公布日： 2021-05-14 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于深度学习的快速X射线动态实时成像去噪方法，包括如下步骤：S1、对临床采集的X射线动态实时视频数据进行预处理得到数据集；S2、构建包含至少一个去噪模块的深度学习模型，其中，所述至少一个去噪模块形成一层网络或者级联的两层网络；S3、使用所述数据集训练所述深度学习模型；S4、将低辐射剂量的X射线动态实时视频的若干连续帧输入到经步骤S3训练好的深度学习模型中，输出若干连续帧的中间帧的去噪结果。本发明所提出的基于深度学习的快速X射线动态实时成像视频去噪的方法使得在保证去噪效果的基础上，去噪时间大大缩短，可以应用于以往方法无法达到的手术视频实时去噪处理。
基于深度学习快速射线动态实时成像方法

[发明专利]基于深度学习的增强图像质量的方法-CN202011244150.9在审
发明人：龚南杰;潘博洋 -专利权人： 苏州深透智能科技有限公司
申请日： 2020-11-10 - 公布日： 2020-12-29 - 主分类号： G06T5/50 文献下载
摘要：本发明公开了一种基于深度学习的增强图像质量的方法，包括获取不使用造影剂和低造影剂使用量的图像；进行图像预处理，消除不匹配区域获得时间对应的图像，得到对应的不使用造影剂的图像和低造影剂使用量的图像组；将得到的不使用造影剂的医学图像和低造影剂使用量的图像组作为增强图像质量神经网络的输入图像；构建增强图像质量神经网络模型；训练构建的增强图像质量神经网络模型；将得到的输入图像输入训练完成的增强图像质量神经网络模型，得到与正常造影剂使用量的医学图像具有基本上相同的图像质量。通过深度学习手段将低剂量低对比度医学图像优化为标准剂量高对比图医学图像的同时，还能够改善图像信噪比等图像质量指标。
基于深度学习增强图像质量方法

[发明专利]一种图像处理方法、装置、电子设备和可读存储介质-CN202010777861.6在审
发明人：龚南杰;潘海洋 -专利权人： 苏州深透智能科技有限公司
申请日： 2020-08-05 - 公布日： 2020-11-06 - 主分类号： G06T3/40 文献下载
摘要：本申请提供一种图像处理方法、装置、设备和可读存储介质，该方法包括：获取低质量医学图像集和对应的高质量医学图像集；将低质量医学图像集和高质量医学图像集输入预设神经网络模块进行图像训练，得到神经网络模型；根据神经网络模型对测试图像进行测试，得到处理后图像；当接收到处理后图像的验证通过信息时，确定神经网络模型通过验证，并根据神经网络模型对待处理图像进行处理，得到高质量医学图像。本申请通过神经网络模型将快速扫描的低质量图像向高质量图像的转化，实现了增强信噪比，提高分辨率以及降低伪影的效果，成本低廉，转化效率高。
一种图像处理方法装置电子设备可读存储介质