公开(公告)号：CN109102550A

公开(公告)日：2018-12-28

申请号：CN201810586113.2

申请日：2018-06-08

Applicant: 东南大学

Inventor： 陈阳 ,  蔡宁 ,  尹相瑞 ,  赵倩隆 ,  刘进 ,  罗立民

IPC: G06T11/00 ,  G06T5/00

Abstract: 本发明公开了一种基于卷积残差网络的全网络低剂量CT成像方法及装置，该方法首先获得多组对应的低剂量和正常剂量下的CT原始投影数据；其次，在投影空间建立基于卷积残差网络(CNN1)，该网络输入为低剂量CT投影数据，输出为处理后数据的网络，以减轻低剂量投影CT数据中的噪声及伪影并提高信噪比；随后，通过基于Ramp滤波核的FBP将投影数据重建到图像空间，在图像空间基于卷积残差网络(CNN2)进行二次处理，进一步减轻低剂量数据中的伪影及噪声。本发明可将低剂量CT数据中的伪影和噪声有效减轻，数据质量可满足临床分析、诊断等要求，提高了低剂量CT成像的图像质量。

公开(公告)号：CN108986073A

公开(公告)日：2018-12-11

申请号：CN201810563693.3

申请日：2018-06-04

Applicant: 东南大学

Inventor： 陈阳 ,  葛治文 ,  蔡宁 ,  罗立民

IPC: G06T7/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

CPC classification number: G06T7/0012 ,  G06K9/6267 ,  G06N3/0454 ,  G06N3/08 ,  G06T2207/10081 ,  G06T2207/30064

Abstract: 本发明公开了一种基于改进的Faster R-CNN框架的CT图像肺结节检测方法，包括如下步骤：1、采集肺结节症状病人的胸部的CT图像，并标注肺结节位置，作为训练样本集；2构建候选结节检测网络，用训练样本集训练所述候选结节检测网络，确定网络参数，得到候选结节检测模型；3、构建候选结节假阳性剔除分类网络，用训练样本集训练所述候选结节假阳性剔除分类网络，得到候选结节假阳性剔除分类网络模型；4、将待检测的CT图像输入候选结节检测模型中，得到候选结节的位置；将所述候选结节的位置输入候选结节假阳性剔除分类网络模型中，剔除假阳性，得到肺结节检测结果。该方法更适合小尺寸肺结节的检测。

公开(公告)号：CN109102550B

公开(公告)日：2023-03-31

申请号：CN201810586113.2

申请日：2018-06-08

Applicant: 东南大学

Inventor： 陈阳 ,  蔡宁 ,  尹相瑞 ,  赵倩隆 ,  刘进 ,  罗立民

IPC: G06T11/00 ,  G06T5/00

Abstract: 本发明公开了一种基于卷积残差网络的全网络低剂量CT成像方法及装置，该方法首先获得多组对应的低剂量和正常剂量下的CT原始投影数据；其次，在投影空间建立基于卷积残差网络(CNN1)，该网络输入为低剂量CT投影数据，输出为处理后数据的网络，以减轻低剂量投影CT数据中的噪声及伪影并提高信噪比；随后，通过基于Ramp滤波核的FBP将投影数据重建到图像空间，在图像空间基于卷积残差网络(CNN2)进行二次处理，进一步减轻低剂量数据中的伪影及噪声。本发明可将低剂量CT数据中的伪影和噪声有效减轻，数据质量可满足临床分析、诊断等要求，提高了低剂量CT成像的图像质量。