-
公开(公告)号：CN117752361A
公开(公告)日：2024-03-26
申请号：CN202311836633.1
申请日：2023-12-28
Applicant: 南京应用数学中心
IPC: A61B8/00 , A61B8/08 , A61B5/0536 , G06T11/00
Abstract: 本发明公开了一种基于两点梯度迭代方法的声电断层扫描图像成像算法，创新点是通过两点梯度迭代方法提升计算效率，并通过正则化项的选择提高图像重建的精度。发明的核心是利用声电混合成像的特点，即在施加边界探测电流时，利用超声扰动获得功率密度数据，从而获得生物组织内部数据。同时针对不同生物组织电导率的不同特性，引入不同的正则化项，建立两点梯度迭代方法，实现对生物组织电导率的高分辨率重建。与传统的声电成像方法相比，本发明降低了多组观测电流的计算存储成本，提高了成像效率。并且利用特殊的正则化项对迭代过程进行修正，由此可以比较准确地确定不同组织的边界或几何特征，提升成像精度。
-
Patent Agency Ranking
公开(公告)号：CN115423893B
公开(公告)日：2023-04-28
申请号：CN202211366435.9
申请日：2022-11-03
Applicant: 南京应用数学中心
IPC: G06T11/00 , G06V10/74 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多模态图像结构相似度的神经网络的低剂量PET‑CT重建方法。发明的核心是利用CT图像的结构信息，使得短时间窗位采集的PET图像达到长时间窗位采集的效果，有助于减少运动伪影并提高病人的扫描舒适度。通过构建多模态多分支带自注意力机制的深度卷积神经网络，在损失函数中引入多模态图像结构相似度来学习CT图像中的结构信息，使得低剂量PET图像的峰值信噪比提高9%的同时，成功达到标准剂量PET图像的效果，且结构信息明显优于标准剂量PET图像。本发明利用CT图像信息的同时，在损失函数中引入刻画多模态图像结构相似度的罚项，从而得到了包含更多结构信息的高精度PET图像。
-
公开(公告)号：CN115423893A
公开(公告)日：2022-12-02
申请号：CN202211366435.9
申请日：2022-11-03
Applicant: 南京应用数学中心
Abstract: 本发明公开了一种基于多模态图像结构相似度的神经网络的低剂量PET‑CT重建方法。发明的核心是利用CT图像的结构信息，使得短时间窗位采集的PET图像达到长时间窗位采集的效果，有助于减少运动伪影并提高病人的扫描舒适度。通过构建多模态多分支带自注意力机制的深度卷积神经网络，在损失函数中引入多模态图像结构相似度来学习CT图像中的结构信息，使得低剂量PET图像的峰值信噪比提高9%的同时，成功达到标准剂量PET图像的效果，且结构信息明显优于标准剂量PET图像。本发明利用CT图像信息的同时，在损失函数中引入刻画多模态图像结构相似度的罚项，从而得到了包含更多结构信息的高精度PET图像。
-
公开(公告)号：CN114092593B
公开(公告)日：2022-04-19
申请号：CN202210065873.5
申请日：2022-01-20
Applicant: 南京应用数学中心
IPC: G06T11/00
Abstract: 本发明公开了一种基于背景低秩和多方向纹理稀疏分解的动态磁共振图像重建方法。对由动态磁共振下采样算子得到的K空间数据，基于压缩感知理论和图像分解，提出了一种全新的重建模型并建立了有效的重建算法。该重建模型将动态磁共振图像分解为具有低秩性的背景部分和多方向纹理稀疏的前景部分，利用核范数来约束背景，保证背景的低秩性；利用多重卷积下确界振荡广义全变分来约束前景，刻画前景中多方向的纹理特征并保证前景的稀疏性。将模型离散后转化为相应的鞍点问题，利用原始对偶算法求解得到重建图像。相比于传统动态磁共振图像重建方法，本发明的技术关键是对动态磁共振图像的前景进行了多方向的纹理特征分解，提高了图像重建精度。
-
公开(公告)号：CN114092593A
公开(公告)日：2022-02-25
申请号：CN202210065873.5
申请日：2022-01-20
Applicant: 南京应用数学中心
IPC: G06T11/00
Abstract: 本发明公开了一种基于背景低秩和多方向纹理稀疏分解的动态磁共振图像重建方法。对由动态磁共振下采样算子得到的K空间数据，基于压缩感知理论和图像分解，提出了一种全新的重建模型并建立了有效的重建算法。该重建模型将动态磁共振图像分解为具有低秩性的背景部分和多方向纹理稀疏的前景部分，利用核范数来约束背景，保证背景的低秩性；利用多重卷积下确界振荡广义全变分来约束前景，刻画前景中多方向的纹理特征并保证前景的稀疏性。将模型离散后转化为相应的鞍点问题，利用原始对偶算法求解得到重建图像。相比于传统动态磁共振图像重建方法，本发明的技术关键是对动态磁共振图像的前景进行了多方向的纹理特征分解，提高了图像重建精度。
-
公开(公告)号：CN117491929A
公开(公告)日：2024-02-02
申请号：CN202311547299.8
申请日：2023-11-20
Applicant: 南京应用数学中心
IPC: G01R33/56 , G01R33/565 , A61B5/055
Abstract: 本发明公开了一种基于压缩感知的线圈敏感度和磁共振图像联合重建方法，创新点是充分利用线圈敏感度更新来提高图像重建的精度。发明的核心是利用线圈敏感度所服从的物理规律和光滑性，对具有稀疏性的待测图像，引进线圈敏感度与待测图像所对应的正则化项，建立欠采样模式下同时重建线圈敏感度和磁共振图像的模型。对此模型设计了基于两点梯度下降的交替迭代算法。该方法将传统算法中需要预先给定的线圈敏感度作为未知变量，与待重建图像一起进行联合反演，克服了线圈敏感度估计不准时，由模型参数误差引起的重建伪影。与传统的重建图像的单变量优化模型相比，本发明提高了模型的可靠性，在保证算法效率的同时，有效改进了重建图像的质量。
-
-
-
-
-
Search Results
6
records
(took 0.031 seconds)
