-
公开(公告)号：CN115359137A
公开(公告)日：2022-11-18
申请号：CN202210988633.2
申请日：2022-08-17
Applicant: 上海科技大学
IPC: G06T11/00
Abstract: 本申请提供基于三域混合的SPET重建方法、装置、终端及介质，用于获取低剂量PET图像，通过去噪网络在投影域对所述低剂量PET图像的正弦图进行去噪处理后得到对应的去噪正弦图；根据所述去噪正弦图得到对应的去噪后的低剂量PET图像，并通过重建网络在图像域和频域对所述去噪后的低剂量PET图像进行SPET重建，以得到SPET重建图像。本发明统筹了投影域、图像域和频域的三域混合，在三域混合的基础上进行SPET图像重建，充分发挥了各域处理图像的优势。与一些传统的SPET图像重建算法相比，经本发明重建的SPET图像在PSNR峰值信噪比、SSIM结构相似性及NMSE归一化均方误差等指标上的表现明显更为优异。
-
公开(公告)号：CN115187687A
公开(公告)日：2022-10-14
申请号：CN202210797968.6
申请日：2022-07-06
Applicant: 上海科技大学
Abstract: 本发明的基于深度学习的多回波MRI的快速重建方法、系统及终端，通过级联多回波生成对抗网络根据所述三维大脑数据获取重建的多回波图像，并对重建的多回波图像进行合成获得合成的多对比度图像。本发明可加速多个回波的MRI成像，并且不仅能获得重建后的高质量的多回波图像，也能通过多回波图像得到具有临床诊断意义的多对比度图像，这极大地扩展了重建工作在临床上的适用性。并且能在提高重建性能的同时还能大幅度降低患者拍片时间，减少患者成本，改善患者体验，使重建图像更好地服务于临床诊断。
-
公开(公告)号：CN118967713A
公开(公告)日：2024-11-15
申请号：CN202411014379.1
申请日：2024-07-26
Applicant: 上海科技大学
IPC: G06T7/11 , G06T3/4038 , G06V10/774 , G06V10/764 , G06V10/82
Abstract: 本申请提供基于深度学习全生命周期的医学图像分割方法、装置、设备、介质及程序产品，旨在通过将图像特征与文本特征相结合，使得模型在处理医学图像时能够更全面地理解和分析图像内容，从而提高了分割任务的准确性和效率。这种方法特别适用于处理来自多样化来源和具有复杂背景的医学图像数据。因此，本申请能够实现图像分割精度的提升、全生命周期覆盖并很好地支持临床应用。
-
公开(公告)号：CN115861458A
公开(公告)日：2023-03-28
申请号：CN202211096288.8
申请日：2022-09-06
Applicant: 上海科技大学
IPC: G06T11/00 , G06N3/0464 , G06N3/08
Abstract: 本发明的基于深度先验双域网络的计算机断层扫描重建方法、系统及终端，通过对成像几何约束、图像域与投影域相结合的深度先验双域一致性等进行建模，对低剂量计算机断层扫描图像进行重建。该系统不仅将成像几何的物理学纳入重建过程，同时增强了模型可解释性，相比于传统深度学习重建算法，不仅具有更优异的图像重建质量，同时还具有约4倍加速性能且有效训练所需数据集更小，并且可以传输低级和高级特征，从而促进模型更快的收敛，解决了传统深度学习重建算法中梯度消失与梯度爆炸等问题。
-
Patent Agency Ranking
公开(公告)号：CN115409859A
公开(公告)日：2022-11-29
申请号：CN202211056412.8
申请日：2022-08-30
Applicant: 上海科技大学
Abstract: 本发明公开了一种冠状动脉血管图像分割方法及装置、存储介质和终端，其中方法包括获取冠状动脉血管图像；获取心脏子器官掩膜组、冠脉血管粗分割结果以及裁剪后的冠脉血管原始图像结果；而后获取冠脉血管点集和心脏子器官点集组；获取每个心脏子器官点集所对应的距离场特征图，再将所有所述距离场特征图进行串联，以获取五通道距离场特征图；获取冠脉血管合并图；将冠脉血管合并图输入到训练完成的层次拓扑学习模型中，以获取立方体连通性图，并基于立方体连通性图获取二值的冠脉血管掩模。本发明方法可减少背景信息对分割目标的干扰，提升分割性能，精确的实现了冠状动脉分割。
-
公开(公告)号：CN115393461A
公开(公告)日：2022-11-25
申请号：CN202211049557.5
申请日：2022-08-30
Applicant: 上海科技大学
Abstract: 本申请提供基于多领域学习的多对比度核磁共振重建方法、装置、终端及介质，获取全采辅助对比度的核磁共振图像并分别输入预训练的基于图像域和频率域的跨模态生成网络中，以全采被辅助对比度的核磁共振图像作为金标准，分别输出得到偏移的全采被辅助对比度的核磁共振图像；固定基于图像域和频率域的跨模态生成网络的权重，并将各跨模态生成网络输出偏移的全采被辅助对比度的核磁共振图像，与原始的欠采被辅助对比度的核磁共振图像共同输入对应域的配准网络中，分别输出各域的与原始的欠采被辅助对比度的核磁共振图像对齐的对齐图像；将各域的对齐图像与原始的欠采被辅助对比度的核磁共振图像共通输入对应域的重建网络中，输出得到核磁共振重建图像。
-
公开(公告)号：CN115393460A
公开(公告)日：2022-11-25
申请号：CN202211041312.8
申请日：2022-08-29
Applicant: 上海科技大学
Abstract: 本发明提供一种PET图像衰减校正方法、装置及设备，包括：获取非衰减校正PET图像并输入至第一生成对抗网络，以输出得到人体组织分布预测图；将所述人体组织分布预测图及所述非衰减校正PET图像输入至与所述第一生成对抗网络级联的第二生成对抗网络，以输出得到对应的虚拟CT图像；利用所述虚拟CT图像对所述非衰减校正PET图像进行衰减校正以得到衰减校正PET图像。本申请基于生成对抗网络构建的人体骨组织增强生成框架针对从NAC‑PET图像生成CT图像明显具有更丰富的骨骼结构；且基于本申请所构建的人体骨组织增强生成框架生成的CT图像的灰度相似性和组织一致性方面都达到了更好的效果，进而提高了PET衰减校正的准确性。
-
公开(公告)号：CN115393367A
公开(公告)日：2022-11-25
申请号：CN202211047131.6
申请日：2022-08-30
Applicant: 上海科技大学
Abstract: 本发明提供一种图像合成与分割方法、装置、终端及介质，通过对所目标图像数据进行变形处理，以获得变形图像数据；将所述婴儿图像和变形图像数据输入预先训练好的图像合成分割网络，输出对应合成分割结果。本申请利用本申请通过变形处理完成学习儿童脑图像到等强期婴儿脑图像的映射，为等强期婴儿脑图像分割提供更多的训练数据，同时通过等强期婴儿脑图像到儿童脑图像的映射，辅助婴儿脑图像的分割；并且通过设计的统一的合成分割网络使得合成网络受到下游分割网络的约束以形成对等强期婴儿脑图像(MRI)分割更精准的合成图像。
-
公开(公告)号：CN115239745A
公开(公告)日：2022-10-25
申请号：CN202210923230.X
申请日：2022-08-02
Applicant: 上海科技大学
IPC: G06T7/11 , G06V10/774 , G06V10/80
Abstract: 本申请提供的一种基于多层级与焦点区域的精细脑区分割方法、装置、设备和介质，通过获取大脑核磁共振图像，通过多层级脑区分割网络对脑区进行多层级分割；根据精细层级的脑区分割结果，利用焦点区域分割网络对精细层级的各脑区按分割难易程度分配不同权重；将多层级脑区分割网络的输出结果与焦点区域分割网络的输出结果融合，以得到所有脑区的最终分割结果。本申请既结合了多层级上的预测，又避免了繁重的对每个脑区训练单独的网络，在精度和效率上都可以有较为良好的表现。而且提出了基于焦点区域的损失，有助于提升网络在困难区域上的分割能力。最后采用融合模块将预测进行融合，得到更准确鲁棒的脑区分割结果。
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.05 seconds)
