龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：华中科技大学
摘要：本发明公开了一种解决低剂量CT图像过平滑的深度学习后处理方法，属于图像处理技术领域，方法包括：对若干正常剂量CT图像和低剂量CT图像对进行预处理；将处理后的低剂量CT图像输入生成对抗网络的生成器中，得到生成图像；将生成图像和处理后的正常剂量CT图像输入生成对抗网络的判别器中，根据判别器损失函数优化判别器；基于优化后的判别器，以最小化生成器损失、感知损失和结构相似性损失组成的联合损失函数为目标，优化生成器；利用优化后的生成器生成新的生成图像，并输入优化后的判别器中；继续交替优化判别器和生成器。本发明不仅可以有效地抑制噪声，还可以保留更多图像结构以及高频信息，防止图像过平滑。
主权项：1.一种解决低剂量CT图像过平滑的深度学习后处理方法，其特征在于，包括以下步骤：S1，对若干正常剂量CT图像和低剂量CT图像对进行预处理；S2，将处理后的低剂量CT图像输入生成对抗网络的生成器中，得到生成图像；将所述生成图像和处理后的正常剂量CT图像输入生成对抗网络的判别器中，根据判别器损失函数优化所述判别器；S3，基于优化后的判别器，以最小化生成器损失、感知损失和结构相似性损失组成的联合损失函数为目标，优化所述生成器；S4，利用优化后的生成器生成新的生成图像，并输入所述优化后的判别器中；继续交替优化判别器和生成器，直至达到最大迭代次数或所述联合损失函数达到预设目标值；S5，利用训练好的生成器对待处理的低剂量CT图像进行后处理；所述生成器包括：依次连接的四个卷积单元、三个稀疏块和四个反卷积单元；其中，所述卷积单元包括卷积层、批归一化层和ReLU激活层；所述稀疏块包括两个卷积单元和一个由空洞卷积层、批归一化层和ReLU激活层构成的单元；所述反卷积单元包括反卷积层、批归一化层和ReLU激活层；所述四个卷积单元中第一个卷积单元的输入、第二个卷积单元的输出、第四个卷积单元的输出通过跳跃链接分别与第三个稀疏块的输出、第二个反卷积单元的输出、第四个反卷积单元的输出相加求和，构成残差结构；所述结构相似性损失Lssim为生成器输出的低剂量CT图像和正常剂量CT图像之间的结构相似性损失。
全文数据：
权利要求：
百度查询： 华中科技大学 一种解决低剂量CT图像过平滑的深度学习后处理方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号