申请/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：2021-05-26

公开（公告）日：2024-06-28

公开（公告）号：CN113222852B

主分类号：G06T5/70

分类号：G06T5/70;G06T5/60;G06N3/0464;G06N3/0455;G06N3/096;G16H30/20

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2021.08.24#实质审查的生效;2021.08.06#公开

摘要：本发明涉及人工智能技术领域，尤其涉及一种增强CT图像的重建方法，包括以下步骤：获取至少一张增强CT图像以及与增强CT图像相配对的平扫CT图像；构建基于结合邻近内容迁移的U型残差网络；将至少一张增强CT图像作为基于结合邻近内容迁移的U型残差网络的输入，与其相配对的平扫CT图像作为标签，并利用损失监督函数训练基于结合邻近内容迁移的U型残差网络直至收敛；将增强CT图像输入至训练好的基于结合邻近内容迁移的U型残差网络，得到重建后的虚拟平扫CT图像。本发明提出的一种增强CT图像的重建方法，解决了现有重建方法存在结构重建的质量差的问题。

主权项：1.一种增强CT图像的重建方法，其特征在于，包括：获取至少一张增强CT图像以及与增强CT图像相配对的平扫CT图像；构建基于结合邻近内容迁移的U型残差网络；设计损失监督函数；将至少一张所述增强CT图像作为基于结合邻近内容迁移的U型残差网络的输入，与其相配对的平扫CT图像作为标签，并利用损失监督函数训练基于结合邻近内容迁移的U型残差网络直至收敛；将增强CT图像输入至训练好的基于结合邻近内容迁移的U型残差网络，得到重建后的虚拟平扫CT图像；所述基于结合邻近内容迁移的U型残差网络包括编码器网络和解码器网络；其中：所述解码器网络包括一个卷积层和四个下采样顺序层，每个下采样顺序层均是将多个残差减法模块序列化后进行下采样；且每个下采样顺序层中的第一个残差减法模块均用于将输入压缩为深通道的输出；所述解码器网络包含与编码器网络对称的四个上采样顺序层和一个反卷积层；所述编码器网络的特征图与解码器网络的同一维的特征图之间通过跳跃连接进行拼接；所述残差减法模块均包括依次相连的1×1的卷积、3×3卷积和1×1卷积，每个所述残差减法模块的输入端和输出端近连接；所述残差减法模块的公式为：y＝W_sx-Fx，W_i其中：y是残差减法模块的输出映射，W_s，即shortconnection连接参数，是残差减法模块的shortconnection连接层中通道匹配的恒等映射参数，残差连接参数W_i是残差减法模块的残差连接层中生成衰减因子特征参数；在设计损失监督函数步骤之前还包括：设置条件像素滤波器，根据所述平扫CT图像并利用条件像素滤波器的池化网络结构，得到一个模糊化像素矩阵；判断模糊化像素矩阵的像素值是否小于增强CT图像中的像素值，若否，条件像素滤波器覆盖增强CT图像中的像素；所述损失监督函数的表达式为： TotalLoss＝loss1+loss2+loss3其中，loss1为条件像素滤波器的计算误差，loss2为增强CT图像邻接像素比误差，loss3为平扫CT图像高维提取特征误差；gij是基于结合邻近内容迁移的U型残差网络的映射输出，e是增强CT图像矩阵，ei′j′表示像素e的相邻区域，而cij是平扫CT图像矩阵，Wc是内容损失的超参数，Wp是衰减损失的超参数，P是条件像素滤波器的映射；l1是预训练的ResNe-50模型第一阶段的层投影，l4是预训练的ResNet-50第四阶段的图层投影。

全文数据：

权利要求：

百度查询： 深圳高性能医疗器械国家研究院有限公司 一种增强CT图像的重建方法

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。

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