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：广东工业大学
摘要：本发明公开的属于生物医学图像重建技术领域，具体为基于混合特征哈希表与小波隐式神经表示的稀疏视图SPECT重建方法，包括具体步骤如下：通过射线采样获取三维空间内的采样点；利用具有混合特征哈希表的多分辨率哈希编码器对采样点的坐标进行位置编码；将经过哈希编码的稀疏视图输入到全连接多层感知器中，使用Gabor小波作为激活函数，在低维问题域中学习高频函数；通过最小化真实投影和合成投影之间的误差来训练网络，预测时生成不包含训练视图的密集的视图；将训练时的稀疏视图和生成的密集视图相结合。本发明的有益效果在于实现了稀疏视图SPECT重建的高质量结果，相比于传统的深度学习方法，能够进一步提高断层重建图像的质量。
主权项：1.基于混合特征哈希表与小波隐式神经表示的稀疏视图SPECT重建方法，其特征在于，包括具体步骤如下：S1：通过射线采样获取三维空间内的采样点；S2：利用具有混合特征哈希表的多分辨率哈希编码器对采样点的坐标进行位置编码；S3：将经过哈希编码的稀疏视图输入到全连接多层感知器中，使用Gabor小波作为激活函数，在低维问题域中学习高频函数；S4：通过最小化真实投影和合成投影之间的误差来训练网络，预测时生成不包含训练视图的密集的视图；S5：将训练时的稀疏视图和生成的密集视图相结合，通过PreconditionedAlternatingProjectionAlgorithms重建算法实现低剂量高噪声稀疏视图的SPECT重建。
全文数据：
权利要求：
百度查询： 广东工业大学 基于混合特征哈希表与小波隐式神经表示的稀疏视图SPECT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。
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