公开(公告)号：CN109903356A

公开(公告)日：2019-06-18

申请号：CN201910391946.8

申请日：2019-05-13

Applicant: 南京邮电大学

Inventor： 戴修斌 ,  林语萱 ,  刘天亮 ,  晏善成

IPC: G06T11/00

Abstract: 本发明公开了一种基于深度多重解析网络的缺失CT投影数据估计方法，属于医学图像重建技术领域。方法包括：获取一定数量的完全CT投影数据图像，对每个图像进行部分遮挡，得到缺失部分的CT投影数据原图和具有缺失区域的缺失CT投影数据图像；将缺失部分的CT投影数据原图和具有缺失区域的缺失CT投影数据图像作为训练数据，输入预设的深度多重解析网络模型进行训练，深度多重解析网络模型使用局部鉴别器和全局鉴别器两个鉴别器；利用S2中已训练的深度多重解析网络模型进行预测得到缺失部分的CT投影数据图像；根据预测的缺失部分CT投影数据图像，重建出CT投影数据图像。本发明的方法使得生成的CT投影数据图像的缺失区域边界更具连贯性。

公开(公告)号：CN111260583A

公开(公告)日：2020-06-09

申请号：CN202010056809.1

申请日：2020-01-17

Applicant: 南京邮电大学

Inventor： 戴修斌 ,  林语萱 ,  刘天亮 ,  晏善成

IPC: G06T5/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于多判别器的多重解析网络缺失CT投影数据估计方法，所述方法包括：获取不完整CT投影数据图像；将所述不完整CT投影数据图像输入至多重解析网络模型，获取完整CT投影数据图像；通过卷积滤波反投影方法对所述完整CT投影数据图像进行重建处理得到CT图像。本发明能显著提高预测的CT投影数据图像清晰度以及缺失区域边界的连贯性，进而提升CT图像的质量，峰值信噪比值和结构相似性值均体现了本发明方法的优越性。