“刘睿豪”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2个，建议您升级VIP下载更多相关专利

[发明专利]一种融合信号模型与深度学习的磁共振重建方法及装置-CN202310181837.X在审
发明人：管月;杜一平;李瑶;刘睿豪;孟子瑜 -专利权人：上海交通大学
申请日： 2023-02-28 - 公布日： 2023-05-16 - 主分类号： G06T11/00 文献下载
摘要：本发明涉及一种融合信号模型与深度学习的磁共振重建方法及装置，其中方法包括：获取磁共振稀疏采样数据；构建概率子空间模型；初步重建得到子空间重建图像；构建第一深度学习网络，并将子空间重建图像作为网络输入，以真实图像作为模型的输出，学习从子空间重建图像到真实图像间的映射关系，得到改进的全局重建图像；获取残余特征稀疏采样数据，并基于稀疏模型初步重建得到稀疏残余重建图像；构建第二深度学习网络，并将稀疏残余重建图像作为网络输入，将稳定的全局重建图像作为条件约束融入到网络中，得到改进的残余重建图像；融合全局重建图像和残余重建图像得到磁共振重建图像。与现有技术相比，本发明具有重建精度高、训练数据要求低等优点。
一种融合信号模型深度学习磁共振重建方法装置

[发明专利]一种基于成像模型与机器学习的磁共振超分辨率成像方法-CN202010076661.8有效
发明人：李瑶;刘睿豪;杜一平 -专利权人：上海交通大学
申请日： 2020-01-23 - 公布日： 2022-01-07 - 主分类号： G06T3/40 文献下载
摘要：本发明涉及一种基于成像模型与机器学习的磁共振超分辨率成像方法，其特征在于，包括以下步骤：S1，数据集准备：准备低分辨率数据集和高分辨率数据集，其中，高分辨率数据集分为不同等级分辨率的多个；S2，神经网络训练：按等级由低到高依次训练多个神经网络实现层进式学习；S3，成像阶段：将低分辨率图像依次通过已经训练好的神经网络生成高分辨图像，将生成的高分辨图像作为先验信息，将采集到的低分辨率图像代入广义级数模型，重建出最终的超分辨率图像。与现有技术相比，本发明提出的“层进式”训练方式，更加精细化，生成了更加准确的高分辨率边缘，纹理等信息；更好地融合了先验与采集的信息，去除了伪影的超分辨率大脑图像。
一种基于成像模型机器学习磁共振分辨率方法