一种基于AIGC条件生成的顺序扫描DECT心脏成像方法

    公开(公告)号:CN118986381A

    公开(公告)日:2024-11-22

    申请号:CN202411062249.5

    申请日:2024-08-05

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于AIGC条件生成的顺序扫描DECT心脏成像方法,包括CT顺序扫描心脏不同相位、高低能级的投影数据,利用投影数据进行FDK重建获取高低能级的图像域数据,选取图像域处于相对静止状态的高低能级器官图像对训练条件生成网络模型Energy‑GAN,利用运动器官的低能图像图层作为Energy‑GAN的输入条件,生成处于相同运动状态下的高能图像图层,最终将生成的高能图像和对应的低能图像进行图像域物质分解,并使用预训练好的diffusion扩散模型对物质分解图像进行去噪。本发明实现了顺序扫描DECT心脏成像,在不进行3D图像柔性配准的前提下,有效降低了心脏运动带来的物质分解伪影图像域物质分解产生的噪声。

    一种基于深度双域联合引导学习的LDCT图像重建方法

    公开(公告)号:CN116863014A

    公开(公告)日:2023-10-10

    申请号:CN202310619288.X

    申请日:2023-05-29

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于深度双域联合引导学习的LDCT图像重建方法,包括:临床获取的低剂量CT的投影域数据先在投影域网络中进行重建恢复,同时将只经过反投影操作的投影域数据作为引导,一起进入图像域重建网络,实现低剂量CT的重建操作,此外,双域网络也采用了一种新的结构,可以更好地融合局部与全局信息。本发明实现了低剂量CT的高质量重建,有效利用了原始投影域的数据。本发明不仅提出了一个新的域引导策略,利用原始投影域数据指导图像域的重建,还设计了一种新的网络模块,用于融合全局与局部信息,加强了传统双域模型的重建效果。

    基于投影域数据一致性学习的CBCT金属伪影去除方法

    公开(公告)号:CN117422782A

    公开(公告)日:2024-01-19

    申请号:CN202311187789.1

    申请日:2023-09-15

    Applicant: 东南大学

    Inventor: 陈阳 钟鑫云 吴战

    Abstract: 本发明公开了基于投影域数据一致性学习的CBCT金属伪影去除方法,包括:临床获取的高分辨率CBCT投影域图像先降低分辨率,低分辨率下在投影域修复网络中对金属掩码区域进行恢复,恢复后的图像进入超分重建网络进一步将图像重建至原始高分辨率,实现CBCT金属伪影的抑制。本发明实现了对CBCT金属伪影的高效抑制,有效利用原始投影域,金属掩码和投影域先验图像的数据。本发明不仅提出了一种从低分辨率到高分辨率的图像恢复策略,增强了恢复结果的一致性,并且还在投影域修复网络中引入先验图像信息,通过融合先验信息进一步引导网络生成高一致性的投影域结果,从而对金属伪影进行有效抑制。

    一种基于GAN用于IGRT精确配准的有限角度CBCT重建方法

    公开(公告)号:CN117036426A

    公开(公告)日:2023-11-10

    申请号:CN202310998718.3

    申请日:2023-08-09

    Applicant: 东南大学

    Inventor: 吴战 杨洋 陈阳

    Abstract: 本发明公开了一种基于GAN用于IGRT精确配准的有限角度CBCT重建方法,包括:临床获取的有限角度CBCT的投影域数据先经FDK算法进行重建恢复,同时将预先得到的计划CT数据作为先验信息,一起进入基于GAN的图像域重建网络,完成有限角CBCT的重建操作以实现IGRT中CBCT与计划CT高质量的配准,此外,作为先验信息的计划CT数据提前与CBCT进行了粗配准操作,可以更好地提升先验信息的质量,避免摆位误差。本发明实现了有限角CBCT的高质量重建以提升IGRT中的配准精度,有效利用了计划CT数据。本发明还设计了一种新的网络模块,用于计划CT与CBCT的多模配准,提升了计划CT作为先验信息的正确性与可靠性。

    一种基于分割指导的低剂量冠脉CTA降噪方法

    公开(公告)号:CN118887126A

    公开(公告)日:2024-11-01

    申请号:CN202411051325.2

    申请日:2024-08-01

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于分割指导的低剂量冠脉CTA降噪方法,该方法首先获取低辐射剂量的冠脉CTA扫描重建后的D ICO M图像数据,并对数据进行预处理;然后将图像数据输入到粗降噪网络中进行初步降噪;接着将粗降噪结果送入分割网络中进行分割;最后将粗降噪结果和分割结果一同馈送进细降噪网络,利用分割结果的指导作用,得到更为精细的降噪结果。本发明实现了低剂量冠脉CTA的全面降噪,经过细降噪后的图像能够为临床医生的诊断提供技术支持;同时本发明还能给出具有较大参考意义的冠脉分割结果,能够在一定程度上满足临床医生的诊断要求。

    一种基于概率扩散模型(DDMP)的金属伪影去除方法

    公开(公告)号:CN117252943A

    公开(公告)日:2023-12-19

    申请号:CN202311210537.6

    申请日:2023-09-19

    Applicant: 东南大学

    Inventor: 陈阳 吴战 童站

    Abstract: 本发明公开了一种基于降噪扩散模型(DDMP)的金属伪影去除方法,包括:计算机断层扫描(CT)获取的人体不同部位的受金属影响的投影域数据以及金属掩膜的位置,利用线性插值方法对获取到的数据进行处理作为先验信息。之后利用DDPM模型学习CT获得的投影域数据的分布,最后使用训练好的模型来对受金属影响的区域的数据进行补全从而实现金属伪影去除任务。本发明实现了金属伪影去除在DDPM模型中的应用,有效的利用了已有区域的信息。本发明不仅解决了传统方法通常需要手动调整一些参数来适应不同的数据和场景,并且极大地提高了重建图像的质量。

Patent Agency Ranking