“低剂量”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果50546个，建议您升级VIP下载更多相关专利

[发明专利]低剂量图像去噪网络的训练方法、低剂量图像的去噪方法-CN202011430758.0有效
发明人：郑海荣;胡战利;黄振兴;梁栋;刘新 -专利权人：深圳先进技术研究院
申请日： 2020-12-07 - 公布日： 2022-05-20 - 主分类号： G06T5/00 文献下载
摘要：本发明提供了一种低剂量图像去噪网络的训练方法、低剂量图像的去噪方法、计算机设备及存储介质，本发明提供的低剂量图像去噪网络的训练方法中低剂量图像去噪网络会根据低剂量图像生成低剂量图像的剂量等级估计值及标准剂量估计图像，再根据标准剂量估计图像和剂量等级估计值生成低剂量估计图像，最后根据低剂量图像、低剂量估计图像、标准剂量图像、标准剂量估计图像构建损失函数，对损失函数进行优化，获得所述低剂量图像去噪网络的参数，从而将剂量等级信息融合到图像重建过程中
剂量图像网络训练方法

[发明专利]低剂量CT投影图像生成模型建立方法及配对数据生成方法-CN202310144555.2在审
发明人：李强;单文奇;晁联盈;王燕丽;王植炜 -专利权人：华中科技大学
申请日： 2023-02-21 - 公布日： 2023-06-02 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了低剂量CT投影图像生成模型建立方法及配对数据生成方法，属于图像处理技术领域，包括：获取真实的正常剂量投影图像并生成对应的低剂量投影图像，与真实低剂量投影图像构成样本数据集；建立生成对抗网络，其中的生成器用于修正初始低剂量投影图像，得到目标低剂量投影图像；判别器基于噪声分布判断低剂量投影图像的真伪；利用样本数据集训练生成对抗网络，损失函数为表示目标低剂量投影图像与真实低剂量投影图像之间的噪声损失；训练结束后，提取生成器作为低剂量CT投影图像生成模型。本发明能够生成高质量的高低剂量CT投影图像配对数据，且不依赖真实配对数据。
剂量 ct 投影图像生成模型建立方法配对数据

[发明专利]投影数据恢复导引的非局部平均低剂量CT重建方法-CN201010517537.7无效
发明人：马建华;黄静;刘楠;陈武凡 -专利权人：南方医科大学
申请日： 2010-10-22 - 公布日： 2011-02-23 - 主分类号： G06T11/00 文献下载
摘要：一种投影数据恢复导引的非局部平均低剂量CT重建方法，包括以下步骤：(1)利用CT成像设备采集低剂量投影数据；(2)对低剂量投影数据进行变换；(3)对步骤(1)获取的低剂量投影数据进行传统的FBP重建；(4)对变换后的低剂量投影数据进行滤波；(5)对步骤(4)滤波后的低剂量投影数据进行传统的FBP重建；(6)对步骤(5)获取的标准剂量图像计算权值矩阵；(7)利用步骤(6)获取的权值矩阵对步骤(3)获取的低剂量重建图像进行加权平均滤波，得到恢复后的低剂量图像。该方法在使用低剂量放射的同时，仍能保证产生高质量的CT重建图像，本发明方法具有良好的鲁棒性，在噪声消除和伪影抑制两方面均有上佳表现。
投影数据恢复导引局部平均剂量 ct 重建方法

[发明专利]使用深度学习根据低剂量PET成像进行全剂量PET图像估计-CN201880090666.7在审
发明人： S·卡普兰;Y-M·朱;A·安德烈耶夫;白传勇;S·M·科绍夫 -专利权人：皇家飞利浦有限公司
申请日： 2018-12-26 - 公布日： 2020-10-30 - 主分类号： A61B6/03 文献下载
摘要：重建发射成像数据以生成低剂量重建图像。应用标准化摄取值(SUV)转换(30)以将所述低剂量重建图像转换为低剂量SUV图像。将神经网络(46、48)应用于所述低剂量SUV图像以生成估计的全剂量SUV图像。在应用所述神经网络之前，使用低通滤波器(32)对所述低剂量重建图像或所述低剂量SUV图像进行滤波。使用具有均方误差损失分量(34)和惩罚图像纹理的损失的损失分量(36)和/或促进边缘保留的损失分量(38)的损失函数在训练低剂量SUV图像集和对应的训练全剂量SUV图像上训练所述神经网络，以变换所述训练低剂量SUV图像来匹配所述对应的训练全剂量SUV图像。
使用深度学习根据剂量 pet 成像进行图像估计

[发明专利]低剂量图像去噪网络的训练方法、低剂量图像的去噪方法-CN202011437368.6在审
发明人：郑海荣;梁栋;胡战利;黄振兴;刘新 -专利权人：深圳先进技术研究院
申请日： 2020-12-07 - 公布日： 2021-03-23 - 主分类号： G06T5/00 文献下载
摘要：本发明提供了一种低剂量图像去噪网络的训练方法、低剂量图像的去噪方法、计算机设备及存储介质，包括：获取训练数据集，训练数据集包括多个输入参数组，每一个输入参数组包括解剖结构的低剂量图像、属性、标准剂量图像；建立低剂量图像去噪网络，低剂量图像去噪网络包括属性融合模块、空间信息融合模块及生成模块；利用训练数据集对低剂量图像去噪网络进行训练，获得低剂量图像去噪网络的参数。本发明提供的低剂量图像去噪网络的训练方法将解剖结构的属性作为低剂量图像去噪网络的输入，从而将解剖结构的属性融合到图像重建过程中，使得训练得到的低剂量图像去噪网络能够适用于不同的解剖结构，在提升了鲁棒性的同时保证重建图像的质量
剂量图像网络训练方法

[发明专利]血浆蛋白组合在制备预测低剂量辐射照射剂量的产品中的应用-CN202011123222.4在审
发明人：付汉江;葛常辉;郑晓飞;朱捷 -专利权人：中国人民解放军军事科学院军事医学研究院
申请日： 2020-10-20 - 公布日： 2021-01-22 - 主分类号： G01N33/68 文献下载
摘要：本发明公开了血浆蛋白组合在制备预测低剂量辐射照射剂量的产品中的应用。本发明提供了检测血浆中IL‑5、IL‑12p40和/或SELP含量的物质的应用：制备用于预测低剂量辐射照射剂量的产品；制备用于预测低剂量辐射照射次数和/或持续时间的产品。本发明发现的血浆蛋白组合可以作为预测长期低剂量辐射累积剂量的指标，进而提出血浆蛋白组合在预测长期低剂量辐射累积剂量中的应用。本应用在诊断受到长期低剂量辐射威胁的放射工作者受辐射累积剂量中具有重要意义。
血浆蛋白组合制备预测剂量辐射照射产品中的应用

[发明专利]一种基于卷积神经网络的低剂量X射线乳腺成像方法-CN202111295954.6在审
发明人：傅健;朱国港;张昌盛;明晨 -专利权人：北京航空航天大学宁波创新研究院
申请日： 2021-11-03 - 公布日： 2022-02-08 - 主分类号： G06T5/00 文献下载
摘要：本发明提供一种基于卷积神经网络的低剂量X射线乳腺成像方法，包括：获取低剂量X射线乳腺图像；建立卷积神经网络；训练卷积神经网络；使用已训练网络对低剂量X射线乳腺图像进行降噪。本发明有效抑制低剂量X射线乳腺图像的量子噪声，提高低剂量X射线乳腺图像的图像质量，大大降低了临床X射线乳腺检测的辐射剂量；低剂量X射线乳腺图像的量子噪声近似服从泊松分布并依赖于像素值，使用传统降噪算法难以对其进行有效去除，本发明基于卷积神经网络并采用监督学习算法，学习低剂量X射线乳腺图像到标准剂量X射线乳腺图像的映射，能够有效抑制低剂量X射线乳腺图像噪声，提高图像质量，降低X射线乳腺检测的辐射剂量。
一种基于卷积神经网络剂量射线乳腺成像方法

[发明专利]基于卷积神经网络的低剂量CT图像噪声抑制方法-CN201810428054.6在审
发明人：阳维;陈阳;张慧娟;蔡广威;冯前进 -专利权人：南方医科大学
申请日： 2018-05-07 - 公布日： 2018-09-21 - 主分类号： G06T5/00 文献下载
摘要：一种基于卷积神经网络的低剂量CT图像噪声抑制方法，包括(1)：利用低管电流管电压扫描得到的低剂量CT图像，对输入的原始低剂量CT图像L进行归一化处理，求出低剂量CT图像所有像素的灰度的均值和标准偏差，然后L减去均值除以标准偏差得到CT图像L0；(2)：得到的预处理后的低剂量CT图像L0作为卷积神经网络的输入，预测低剂量CT图像I对应的噪声CT图像D0；(3)：L0减去预测出来的噪声图像D0然后乘以低剂量CT图像的标准偏差再加上低剂量CT图像的均值便为去噪后的图像H0。本发明中通过卷积神经网络来对低剂量CT图像进行去噪处理，保证图像满足诊断质量的同时，降低受检者的照射剂量，提高了病灶的检出率，使疾病得到早期诊断。
低剂量卷积神经网络噪声抑制减去去噪预处理归一化处理图像早期诊断噪声图像照射剂量管电流管电压检出率病灶预测灰度像素噪声扫描诊断疾病保证

[发明专利]基于联合字典学习和深度网络的PET图像重建方法-CN202110730163.5有效
发明人：郑海荣;李彦明;万丽雯;张娜;徐英杰 -专利权人：深圳高性能医疗器械国家研究院有限公司
申请日： 2021-06-29 - 公布日： 2023-09-01 - 主分类号： G06T11/00 文献下载
摘要：包括以下步骤：获取训练样本，根据训练样本利用字典学习获取联合字典，训练样本包括低剂量补丁以及与其相对应的MR补丁和标准剂量补丁；构建DNN网络；根据低剂量样本向量和标准剂量样本向量训练DNN网络直至收敛，得到映射模型，其中，低剂量样本向量、MR样本向量和标准剂量样本向量分别为低剂量补丁、MR补丁和标准剂量补丁在与其对应的低剂量字典、MR字典和标准剂量字典下的稀疏系数；将低剂量PET图像以及其对应的MR图像进行预处理，并利用获取的联合字典以及训练后的DNN网络预测得到标准剂量PET图像。本申请用于减少低剂量PET图像噪声并增强图像细节。
基于联合字典学习深度网络 pet 图像重建方法

[发明专利]低剂量CT图像降噪系统与降噪方法-CN202211329115.6在审
发明人：陈海欣;杨雪松;邓晓 -专利权人：佛山读图科技有限公司;京心禾（北京）医疗科技有限公司
申请日： 2022-10-27 - 公布日： 2023-02-03 - 主分类号： G06T5/00 文献下载
摘要：本发明属于医学图像处理领域，尤其涉及一种低剂量CT图像降噪系统与降噪方法，所述降噪系统包括：数据重建模块，用于采集正常剂量CT图像，生成对应的正常计量投影数据，并通过模拟得到低剂量投影数据，对低剂量投影数据进行反投影重建，得到低剂量CT图像；降噪GAN模块，用于对低剂量CT图像进行降噪处理，得到恢复图像；器官分割模块，用于对恢复图像和正常剂量CT图像进行语义分割，并计算差异作为器官分割损失，反馈给降噪GAN模块；投影模块，用于根据恢复图像生成对应的低剂量投影恢复数据，并计算差异作为投影损失，反馈给降噪GAN模块。本发明利用生成对抗的形式使降噪后的低剂量图像向正常剂量图像逼近，优化了降噪效果。
剂量 ct 图像系统方法

[发明专利]一种基于三维区别性特征表示的低剂量CT图像分解方法-CN201510590901.5有效
发明人：陈阳;刘进;罗立民;李松毅;鲍旭东 -专利权人：东南大学
申请日： 2015-09-16 - 公布日： 2018-04-24 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于三维区别性特征表示的低剂量CT图像分解方法，首先对体模进行扫描，获得一组对应的低剂量和正常剂量下体模CT图像；之后通过选取正常剂量的体模CT图像中的特征块组成特征字典，通过将低剂量和正常剂量体模CT图像相减得到低剂量下的噪声伪影图像，选取噪声伪影图像中的特征块组成噪声伪影字典；最后利用特征字典和噪声伪影字典组成的三维区别性字典来表示临床低剂量CT图像，得到特征字典表示的特征图像和噪声伪影字典表示的噪声伪影图像，从而实现低剂量CT图像的分解。本发明可以将低剂量CT图像中的噪声及星条状伪影和特征结构成分有效的分离，满足临床分析和诊断的质量要求，提高低剂量CT图像使用效率。
一种基于三维区别特征表示剂量 ct 图像分解方法

[发明专利]基于卷积稀疏编码网络的低剂量CT图像噪声伪影分解方法-CN202110772882.3在审
发明人：刘进;亢艳芹;强俊;王勇;夏振宇 -专利权人：安徽工程大学
申请日： 2021-07-08 - 公布日： 2021-09-10 - 主分类号： G06T11/00 文献下载
摘要：本发明公开了基于卷积稀疏编码网络的低剂量CT图像噪声伪影分解方法，属于计算机断层成像技术领域。本发明先获取多组匹配的低剂量和常规剂量的CT图像，相减以获得噪声伪影图像，并组成训练数据集；建立关于低剂量CT图像与噪声伪影图像的卷积稀疏编码网络，获取低剂量CT图像中的噪声伪影特征；使用训练数据集对已构建好的卷积稀疏编码网络进行训练，获得网络模型参数；最后，用训练好的网络来处理低剂量CT图像，实现低剂量CT图像中噪声伪影的分解。本方法可将低剂量CT图像中的噪声伪影和人体解剖组织结构有效区分，使得分解后的图像质量得到提高，降低噪声伪影对临床诊断和分析的影响，促进低剂量CT成像在临床中广泛使用。
基于卷积稀疏编码网络剂量 ct 图像噪声分解方法

[发明专利]基于双能CT的数据采集方法、系统及计算机可读存储介质-CN202011579951.0在审
发明人：陈伟;侯晓文;叶宏伟 -专利权人：明峰医疗系统股份有限公司
申请日： 2020-12-28 - 公布日： 2021-04-23 - 主分类号： A61B6/03 文献下载
摘要：本发明公开了一种基于双能CT的数据采集方法、系统及计算机可读存储介质，所述方法包括：在一个扫描周期内分别进行高剂量扫描过程和低剂量扫描过程以获取高剂量投影数据和低剂量投影数据；在所述一个扫描周期内，CT设备的扫描架仅存在一次开机和停机、CT设备的扫描床仅存在一次进动过程；将所述高剂量投影数据和/或所述低剂量投影数据重新进行排列，使同一扫描方向上存在所述高剂量投影数据与低剂量投影数据；根据投影数据重建出高剂量CT图像，解决低剂量CT图像质量差的问题。本发明缩短高剂量数据和低剂量数据的时间间隔，降低患者发生自主运动和不自主运动的概率，从而降低甚至消除高剂量CT数据和低剂量CT数据不匹配的概率。
基于 ct 数据采集方法系统计算机可读存储介质

[发明专利]一种基于BM3D的低剂量CBCT图像重建方法-CN201711435560.X在审
发明人：李磊;韩玉;荣利会;闫镔;梁宁宁;席晓琦;陈健;曾磊 -专利权人：东莞信大融合创新研究院;中国人民解放军战略支援部队信息工程大学
申请日： 2017-12-26 - 公布日： 2018-06-15 - 主分类号： G06T11/00 文献下载
摘要：本发明公开了一种基于BM3D的低剂量CBCT图像重建方法，主要解决现有重建方法对低剂量投影数据重建不佳致使重建图像质量不好的问题，实现步骤包括：(1)利用锥束CT设备采集低剂量投影数据；(2)对低剂量投影数据进行线性变换；(3)对变换后的低剂量投影数据进行BM3D滤波去噪；(4)对步骤(3)结果进行线性逆变换得到降噪后投影数据；(5)对滤波后的低剂量投影数据进行FDK重建，得到低剂量CBCT图像。
低剂量投影数据重建投影数据重建高斯白噪声线性逆变换锥束CT设备滤波去噪线性变换重建图像鲁棒性降噪滤波去除采集图像

[发明专利]基于卷积残差网络的全网络低剂量CT成像方法及装置-CN201810586113.2有效
发明人：陈阳;蔡宁;尹相瑞;赵倩隆;刘进;罗立民 -专利权人：东南大学
申请日： 2018-06-08 - 公布日： 2023-03-31 - 主分类号： G06T11/00 文献下载
摘要：本发明公开了一种基于卷积残差网络的全网络低剂量CT成像方法及装置，该方法首先获得多组对应的低剂量和正常剂量下的CT原始投影数据；其次，在投影空间建立基于卷积残差网络(CNN1)，该网络输入为低剂量CT投影数据，输出为处理后数据的网络，以减轻低剂量投影CT数据中的噪声及伪影并提高信噪比；随后，通过基于Ramp滤波核的FBP将投影数据重建到图像空间，在图像空间基于卷积残差网络(CNN2)进行二次处理，进一步减轻低剂量数据中的伪影及噪声本发明可将低剂量CT数据中的伪影和噪声有效减轻，数据质量可满足临床分析、诊断等要求，提高了低剂量CT成像的图像质量。
基于卷积网络剂量 ct 成像方法装置

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 50546 条