申请/专利权人：杭州电子科技大学

申请日：2024-03-23

公开（公告）日：2024-06-18

公开（公告）号：CN118212156A

主分类号：G06T5/73

分类号：G06T5/73;G16H50/20;G16H50/30

优先权：

专利状态码：在审-公开

法律状态：2024.06.18#公开

摘要：本发明公开了一种基于BS‑LDM模型的高分辨率胸部X光图像骨抑制方法，包括S1、采集图像数据并预处理；S2、搭建基于BS‑LDM模型的高分辨率胸部X光图像骨抑制网络模型，包括一个向量量化生成对抗网络和一个条件扩散模型；S3、对向量量化生成对抗网络进行反复训练，优化网络参数，不断进行迭代优化以最小化真实值图像与模型输出图像间的差异；S4、对条件扩散模型进行反复训练，优化网络参数，不断进行迭代优化以最小化真实值图像与模型输出图像间的差异；S5、输入预处理后的胸部X光图像至完成训练的基于BS‑LDM模型的高分辨率胸部X光图像骨抑制网络模型中，最终生成软组织图像。该方法基于输入的胸部X光图像，自动生成高质量、高分辨率的软组织图像。

主权项：1.一种基于BS-LDM模型的高分辨率胸部X光图像骨抑制方法，其特征在于，包括如下步骤：S1、采集图像数据并预处理；S1-1、使用双能剪影设备采集同一患者的胸部X光图像和与之相匹配的软组织图像；S1-2、对采集的配对图像根据纳入标准进行筛选，并使用离散傅里叶变换的自动配准操作，通过最大化图像相似性，使图像达到对齐状态；S2、搭建基于BS-LDM模型的高分辨率胸部X光图像骨抑制网络模型，所述基于BS-LDM模型的高分辨率胸部X光图像骨抑制网络模型包括一个向量量化生成对抗网络和一个条件扩散模型；S3、将预处理后的胸部X光图像同时作为输入和标签进行自重建任务，对向量量化生成对抗网络进行反复训练，优化网络参数，不断进行迭代优化以最小化真实值图像与向量量化生成对抗网络输出图像间的差异；S4、通过DES得到胸部X光图像和相匹配的软组织图像，将预处理后的胸部X光图像作为输入，用DES得到的相匹配的软组织图像作为标签进行图像生成任务，对条件扩散模型进行反复训练，优化网络参数，不断进行迭代优化以最小化真实值图像与模型输出图像间的差异；S5、使用双能剪影设备采集患者的胸部X光图像经预处理后输入至完成训练的基于BS-LDM模型的高分辨率胸部X光图像骨抑制网络模型中，先向量量化生成对抗网络通过编码器将像素空间中的图像映射到隐空间，并通过解码器将隐空间中的潜变量映射回像素空间，在条件扩散模型中，模型接受高斯噪声和胸部X光图像的拼接作为输入，经过多次采样去噪后得到预测的软组织图像的潜变量。

全文数据：

权利要求：

百度查询： 杭州电子科技大学 一种基于BS-LDM模型的高分辨率胸部X光图像骨抑制方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD