申请/专利权人:山西大学
申请日:2024-01-23
公开(公告)日:2024-04-26
公开(公告)号:CN117934715A
主分类号:G06T17/00
分类号:G06T17/00;G06N3/0455;G06N3/0464;G06N3/048;G06N3/084;G06N3/0895
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.14#实质审查的生效;2024.04.26#公开
摘要:本发明公开了基于自监督学习和感知先验的自适应荧光断层重建方法,属于光学分子影像技术领域。针对现有的深度补偿算法通常会引入不恰当的范数约束而导致无法准确重建荧光目标的边缘和结构信息以及容易产生伪影并导致错误重建的问题,通过将步骤1采集的真实物理仿体实验数据和活体实验数据作为输入;将步骤2设计好的多层级三维自注意力网络作为生成器模型;将步骤3设计的多尺度自监督网络模型作为感知特征提取器,结合判别器网络进行优化学习;然后,筛选最优模型;最后,将保存的最优模型进行系统测试,并进行三维重建,获得具有深度分辨能力的荧光目标三维空间分布图像。
主权项:1.基于自监督学习和感知先验的自适应荧光断层重建方法,其特征在于,包括以下步骤:步骤1:采集荧光投影数据;步骤2:设计多层级三维层内-层间自注意力模型;所述多层级三维自注意力模型由三维层内自注意力模块和三维层间自注意力模块组成,用于提取FMT的三维全局空间分布信息;步骤3:设计多尺度自监督网络模型;所述多尺度自监督网络模型由多尺度的自编码器网络组成;步骤4:设计联合损失函数;所述联合损失函数由多层级三维自注意力对抗损失函数和自监督感知损失函数组成;步骤5:荧光目标三维重建。
全文数据:
权利要求:
百度查询: 山西大学 基于自监督学习和感知先验的自适应荧光断层重建方法
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。