-
公开(公告)号：CN110176045A
公开(公告)日：2019-08-27
申请号：CN201910368259.4
申请日：2019-05-05
Applicant: 东南大学
Abstract: 本发明公开了一种由单能CT图像生成双能CT图像的方法。首先需要获取一定数量的双能CT图像；之后利用去噪卷积神经网络对双能CT图像进行去噪，得到去噪后的低能图像和高能图像；训练二维卷积神经网络，网络的输入为去噪后的低能图像，输出为去噪后高能图像和低能图像的差；利用去噪卷积神经网络对获得的CT图像进行去噪得到去噪后的单能CT图像；将去噪后的单能CT图像输入之前训练好的二维卷积神经网络得到估计的高低能图像差异，该差异与最初低能级下单能CT图像的和为估计的高能级CT图像；将最初低能级下单能CT图像和估计的高能级CT图像组合得到估计的双能CT图像。本发明可以有效的由单能CT图像估计双能CT图像，从而为临床诊断提供更多信息。
-
公开(公告)号：CN105005990B
公开(公告)日：2017-11-28
申请号：CN201510381379.X
申请日：2015-07-02
Applicant: 东南大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于区别性稀疏表示的盲图像质量评价方法，包括：首先，分别从无噪声污染的自然图像和噪声图像样本中训练得到特征子字典和噪声子字典，并将两个子字典合并为区别性字典；然后，用所述区别性字典表示待评价的图像，得到两个子字典对应的稀疏系数；最后，通过统计两部分稀疏系数的比例获得最终的图像质量评分。相比于现有的其他盲质量评价方法，本发明方法与人眼评价结果拟合度高，且实现简单，无需人工打分样本进行训练。
-
-
公开(公告)号：CN105005990A
公开(公告)日：2015-10-28
申请号：CN201510381379.X
申请日：2015-07-02
Applicant: 东南大学
IPC: G06T7/00
CPC classification number: G06T7/0002
Abstract: 本发明公开了一种基于区别性稀疏表示的盲图像质量评价方法，包括：首先，分别从无噪声污染的自然图像和噪声图像样本中训练得到特征子字典和噪声子字典，并将两个子字典合并为区别性字典；然后，用所述区别性字典表示待评价的图像，得到两个子字典对应的稀疏系数；最后，通过统计两部分稀疏系数的比例获得最终的图像质量评分。相比于现有的其他盲质量评价方法，本发明方法与人眼评价结果拟合度高，且实现简单，无需人工打分样本进行训练。
-
公开(公告)号：CN103745447A
公开(公告)日：2014-04-23
申请号：CN201410052166.8
申请日：2014-02-17
Applicant: 东南大学
IPC: G06T5/00
Abstract: 非局部均值滤波算法是一种被广泛应用于抑制图像噪声的算法，该算法根据属于同一图像结构的像素点周围有着相似的邻域结构这一假设，并基于此邻域相似性质构建加权滤波器来抑制图像中的噪声。实验证明该非局部均值滤波算法能在有效地抑制图像中的噪声的同时保持图像中的组织信息，为了有效地抑制图像中的噪声，一般需要较大的搜索窗以引入较多的邻域信息，从而导致大量的计算量和处理时间，影响了其在实际中的应用。为了解决这一问题，本发明提出了一种非局部均值滤波的快速并行实现方法，该方法在原有的以像素为单位的GPU并行的基础上，利用共享存储器特性及非局部均值权重对称性来优化并行操作，显著地提高了非局部均值滤波算法的计算速度。
-
Patent Agency Ranking
-
公开(公告)号：CN106373163B
公开(公告)日：2019-05-28
申请号：CN201610749611.5
申请日：2016-08-29
Applicant: 东南大学
Abstract: 本发明公开了一种基于三维投影图区别性特征表示的低剂量CT成像方法，包括以下步骤：1获取标准剂量CT三维投影图样本，模拟出对应的低剂量噪声三维投影图样本；2在标准剂量CT三维投影图样本中选取若干衰减特征图像块，去均值和归一化，组成衰减特征字典，在噪声三维投影图样本中选取若干噪声图像块，去均值和归一化，构成噪声伪影字典；3将临床低剂量CT三维投影图用衰减特征字典和噪声伪影字典组合成的三维区别性字典表示，得到衰减特征投影图和噪声投影图；4对衰减特征投影图重建，获得低剂量CT重建图像。该方法可以分离低剂量CT投影图中的噪声和衰减特征结构成分，通过衰减特征投影图的重建，可以获得满足临床分析和诊断要求的CT图像。
-
公开(公告)号：CN105118066B
公开(公告)日：2018-04-24
申请号：CN201510590901.5
申请日：2015-09-16
Applicant: 东南大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于三维区别性特征表示的低剂量CT图像分解方法，首先对体模进行扫描，获得一组对应的低剂量和正常剂量下体模CT图像；之后通过选取正常剂量的体模CT图像中的特征块组成特征字典，通过将低剂量和正常剂量体模CT图像相减得到低剂量下的噪声伪影图像，选取噪声伪影图像中的特征块组成噪声伪影字典；最后利用特征字典和噪声伪影字典组成的三维区别性字典来表示临床低剂量CT图像，得到特征字典表示的特征图像和噪声伪影字典表示的噪声伪影图像，从而实现低剂量CT图像的分解。本发明可以将低剂量CT图像中的噪声及星条状伪影和特征结构成分有效的分离，满足临床分析和诊断的质量要求，提高低剂量CT图像使用效率。
-
公开(公告)号：CN106373163A
公开(公告)日：2017-02-01
申请号：CN201610749611.5
申请日：2016-08-29
Applicant: 东南大学
CPC classification number: G06T11/008 , G06T5/002
Abstract: 本发明公开了一种基于三维投影图区别性特征表示的低剂量CT成像方法，包括以下步骤：1获取标准剂量CT三维投影图样本，模拟出对应的低剂量噪声三维投影图样本；2在标准剂量CT三维投影图样本中选取若干衰减特征图像块，去均值和归一化，组成衰减特征字典，在噪声三维投影图样本中选取若干噪声图像块，去均值和归一化，构成噪声伪影字典；3将临床低剂量CT三维投影图用衰减特征字典和噪声伪影字典组合成的三维区别性字典表示，得到衰减特征投影图和噪声投影图；4对衰减特征投影图重建，获得低剂量CT重建图像。该方法可以分离低剂量CT投影图中的噪声和衰减特征结构成分，通过衰减特征投影图的重建，可以获得满足临床分析和诊断要求的CT图像。
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.018 seconds)
