一种跨模态图像的合成方法

    公开(公告)号:CN113012086B

    公开(公告)日:2024-04-16

    申请号:CN202110301849.2

    申请日:2021-03-22

    Abstract: 本发明公开了一种跨模态图像的合成方法,包括:S1:接收不同模态的数据集,对各数据集中的图像数据进行预处理;S2:基于GAN神经网络中的GAN生成器和GAN判别器,将空洞卷积网络嵌入到U‑Net网络中形成Du‑Net生成器;S3:将训练集中的第一模态图像数据、第二模态图像数据输入到Du‑Net生成器中,得到第二合成模态图像数据;S4:将第二合成模态图像数据和第二模态图像数据输入到GAN判别器,生成跨模态图像合成模型;S5:将第一模态图像数据、第二模态图像数据输入到跨模态图像合成模型中,输出第二合成模态图像数据。本发明通过以GAN结构改进的Du‑Net生成器,有效提升伪模态图像的可信度,尤其是减小了伪模态图像与真实模态图像之间的平均绝对误差。

    医学图像配准方法
    3.
    发明授权

    公开(公告)号:CN112561972B

    公开(公告)日:2024-04-16

    申请号:CN202011597633.7

    申请日:2020-12-29

    Abstract: 本发明提供了一种医学图像配准方法,本发明利用深度学习方法,建立卷积神经网络回归模型,包括以下步骤:(a)生成数字重建放射影像(Digitally Reconstructed Radiographs,DRR)作为数据集;(b)对数据集进行预处理,并划分数据集;(c)构建CNN回归模型;(d)评估回归模型的性能。使用CNN回归模型来实现2D‑3D医学图像配准,输入同一患者的3维CT图像和2维X光图像,直接回归出配准中涉及的6个变换参数,满足了放射治疗、手术导航等领域的实时性要求。

    颅脑多模态医学图像配准方法

    公开(公告)号:CN111754554A

    公开(公告)日:2020-10-09

    申请号:CN202010601878.6

    申请日:2020-06-28

    Abstract: 本发明提供了一种颅脑多模态医学图像配准方法,本发明通过(d)对低通滤波后的浮动图像F进行第一空间变换、插值操作,计算经过第一空间变换、插值操作后的浮动图像F与参考图像R的交叉累计剩余熵,使用所述改进的基于目标空间的头脑风暴优化算法对交叉累计剩余熵的函数寻优直至找到最优配准参数;(e)使用步骤(d)中得到的最优配准参数,对浮动图像F进行第二空间变换、插值操作,将参考图像R与经过第二空间变换、插值操作后的浮动图像F进行融合,得到患者融合影像,可以有效地提升颅脑多模态医学图像配准的精度与速度,为医学图像融合提供良好的基础,为主治医生提供丰富的颅脑病变信息从而有助于对患者疾病的诊断与治疗。

    一种颅脑CT图像出血区域自动分割方法

    公开(公告)号:CN111724397B

    公开(公告)日:2024-04-16

    申请号:CN202010559693.3

    申请日:2020-06-18

    Abstract: 本发明公开了一种颅脑CT图像出血区域自动分割方法:S1获取需要进行出血区域自动分割的颅脑CT图像;S2:将颅脑CT图像依次通过预先构建并训练的改进U‑Net卷积神经网络,网络整体结构为三层下采样层三层上采样层,在跳跃连接过程中将下采样获取的特征图分别经复制、卷积、裁剪后,与各自对应的上采样层后的特征图进行拼接,对应的上采样层对拼接后的特征图进行上采样和卷积。改进U‑Net卷积神经网络一共包括七层,保证特征提取的同时减少信息的丢失,节省时间提升整体效率;在跳跃连接步骤中对下采样的特征图增加了卷积操作,可以在不改变模型层数的同时为上采样层提供更多的信息,从而提高后续对颅脑出血CT图像的图像分割。

    原发性肝癌分期模型训练方法

    公开(公告)号:CN111783868B

    公开(公告)日:2024-02-02

    申请号:CN202010601994.8

    申请日:2020-06-28

    Abstract: 本发明提供了一种原发性肝癌分期模型训练方法,该发明采用肝癌患者的临床检验数据,利用深度学习算法,建立肝癌患者分期网络模型,包括以下步骤:(a)对获得的临床检验数据进行数据预处理;(b)划分预处理后的数据集;(c)将处理后的数据映射成图像;(d)根据划分的数据集训练网络模型;(e)对分期模型的性能评估验证。分期模型利用临床检验数据,确定原发性肝癌患者的分期,为成功治愈肝癌创造了先机,达到增强患者临床疗效,提高患者生存率的目的。

    颅脑多模态医学图像配准方法

    公开(公告)号:CN111754554B

    公开(公告)日:2023-09-15

    申请号:CN202010601878.6

    申请日:2020-06-28

    Abstract: 本发明提供了一种颅脑多模态医学图像配准方法,本发明通过(d)对低通滤波后的浮动图像F进行第一空间变换、插值操作,计算经过第一空间变换、插值操作后的浮动图像F与参考图像R的交叉累计剩余熵,使用所述改进的基于目标空间的头脑风暴优化算法对交叉累计剩余熵的函数寻优直至找到最优配准参数;(e)使用步骤(d)中得到的最优配准参数,对浮动图像F进行第二空间变换、插值操作,将参考图像R与经过第二空间变换、插值操作后的浮动图像F进行融合,得到患者融合影像,可以有效地提升颅脑多模态医学图像配准的精度与速度,为医学图像融合提供良好的基础,为主治医生提供丰富的颅脑病变信息从而有助于对患者疾病的诊断与治疗。

    一种颅脑医学图像配准方法

    公开(公告)号:CN111612782B

    公开(公告)日:2023-04-07

    申请号:CN202010467259.2

    申请日:2020-05-28

    Abstract: 一种颅脑医学图像配准方法包括以下步骤:S1:分别对颅脑CT原始图像、颅脑MRI原始图像进行多分辨率分解;S2:通过IBSO算法对CT低分辨率图像和MRI低分辨率图像进行图像配准,得到第一粗配准结果;S3:对第一粗配准结果进行倍率缩放并作为单纯形搜索法起点对CT次高分辨率图像和MRI次高分辨率图像进行图像配准,得到第二粗配准结果;S4:根据第二粗配准结果进行倍率缩放并作为单纯形搜索法起点对CT原始图像和MRI原始图像进行图像配准,得到CT原始图像与MRI原始图像结合的配准图像。本发明结合IBSO算法和单纯形搜索法实现了颅脑CT图像与颅脑MRI图像配准,可以显著地提升颅脑CT‑MRI图像配准精度、配准效果,减少配准时间。

    基于改进3D U-Net的多器官分割方法

    公开(公告)号:CN112348830A

    公开(公告)日:2021-02-09

    申请号:CN202011222552.9

    申请日:2020-11-05

    Abstract: 本发明提供了一种基于改进3D U‑Net的多器官分割方法,包括以下步骤:(a)预处理待分割图像数据集;(b)基于待分割图像特征,构建基于3D U‑Net的多器官分割网络,并利用空间金字塔池化提取下采样层特征图的多尺度信息并与上采样层提取的特征信息通过快捷连接进行融合;(c)将预处理后的数据集划分为训练集,验证集,并利用改进后的3D U‑Net网络进行训练;(d)利用训练后的网络对测试集进行分割处理,并对分割后的图像进行后处理操作,得到最终的分割结果。本发明通过改进3D U‑Net网络的结构和损失函数,有效得解决了由于多器官尺度不均衡而引起的小器官分割精度较低的问题。

Patent Agency Ranking