公开(公告)号：CN112396672A

公开(公告)日：2021-02-23

申请号：CN202011311371.3

申请日：2020-11-20

Applicant: 华中科技大学

Inventor： 李强 ,  晁联盈 ,  张鹏 ,  朱飞

IPC: G06T11/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的稀疏角度锥束CT图像重建方法，属于医学图像领域，包括：将稀疏角度锥束CT原始投影数据变换为多幅投影图像后，利用一个或多个已训练好的插值卷积神经网络复原出相邻两幅投影图像之间的一幅或多幅投影图像，使得复原后投影图像的数量与全角度锥束CT投影图像的数量相同；利用原始的投影图像和复原得到的投影图像构成全角度投影图像，对全角度投影图像进行三维重建，得到锥束CT图像；插值卷积神经网络以两幅投影图像为输入，用于复原出两幅投影图像之间的一幅投影图像；进一步利用后处理卷积神经网络消除锥束CT图像中的噪声与伪影，提高图像质量。本发明能够在降低X射线剂量的同时，提高重建图像的质量。

公开(公告)号：CN106204550B

公开(公告)日：2018-10-30

申请号：CN201610506619.9

申请日：2016-06-30

Applicant: 华中科技大学

Inventor： 张旭明 ,  朱飞 ,  张经科 ,  任金霞 ,  赵峰 ,  李冠宇 ,  丁明跃

IPC: G06T7/33

Abstract: 本发明公开了一种非刚性多模医学图像的配准方法及系统。该配准方法包括：根据参考图像0阶0重Zernike矩以及1阶1重Zernike矩，获得参考图像的局部特征描述子；根据浮动图像的0阶0重Zernike矩以及1阶1重Zernike矩，获得浮动图像的局部特征描述子；最后根据所述参考图像以及浮动图像的局部特征描述子，获得配准图像。本发明利用多模医学图像的自相似性，采用基于Zernike矩的局部特征描述子，从而将非刚性多模医学图像的配准问题转化为单模医学图像配准问题，大大提高了非刚性多模医学图像配准的精度与鲁棒性。

公开(公告)号：CN106204550A

公开(公告)日：2016-12-07

申请号：CN201610506619.9

申请日：2016-06-30

Applicant: 华中科技大学

Inventor： 张旭明 ,  朱飞 ,  张经科 ,  任金霞 ,  赵峰 ,  李冠宇 ,  丁明跃

IPC: G06T7/00

CPC classification number: G06T7/00 ,  G06T2207/30004

Abstract: 本发明公开了一种非刚性多模医学图像的配准方法及系统。该配准方法包括：根据参考图像0阶0重Zernike矩以及1阶1重Zernike矩，获得参考图像的局部特征描述子；根据浮动图像的0阶0重Zernike矩以及1阶1重Zernike矩，获得浮动图像的局部特征描述子；最后根据所述参考图像以及浮动图像的局部特征描述子，获得配准图像。本发明利用多模医学图像的自相似性，采用基于Zernike矩的局部特征描述子，从而将非刚性多模医学图像的配准问题转化为单模医学图像配准问题，大大提高了非刚性多模医学图像配准的精度与鲁棒性。

公开(公告)号：CN112396672B

公开(公告)日：2023-03-24

申请号：CN202011311371.3

申请日：2020-11-20

Applicant: 华中科技大学

Inventor： 李强 ,  晁联盈 ,  张鹏 ,  朱飞

IPC: G06T11/00 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的稀疏角度锥束CT图像重建方法，属于医学图像领域，包括：将稀疏角度锥束CT原始投影数据变换为多幅投影图像后，利用一个或多个已训练好的插值卷积神经网络复原出相邻两幅投影图像之间的一幅或多幅投影图像，使得复原后投影图像的数量与全角度锥束CT投影图像的数量相同；利用原始的投影图像和复原得到的投影图像构成全角度投影图像，对全角度投影图像进行三维重建，得到锥束CT图像；插值卷积神经网络以两幅投影图像为输入，用于复原出两幅投影图像之间的一幅投影图像；进一步利用后处理卷积神经网络消除锥束CT图像中的噪声与伪影，提高图像质量。本发明能够在降低X射线剂量的同时，提高重建图像的质量。