公开(公告)号：CN115689961A

公开(公告)日：2023-02-03

申请号：CN202211370369.2

申请日：2022-11-03

Applicant: 中北大学

Inventor： 王丽芳 ,  米嘉 ,  刘阳 ,  张炯 ,  杜纪肖 ,  刘世杰

IPC: G06T5/50 ,  G06T5/00 ,  G06T7/90 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/088

Abstract: 本发明属于医学图像融合技术领域，公开了一种用于胶质瘤SPECT‑MRI图像融合的网络模型及方法。所述网络模型简称为DEFSD，通过分解专属特征和显著性掩膜来促进图像融合。具体为：先将RGB空间的源SPECT图像转换为YCbCr空间，再将Y通道的SPECT图像和MRI图像输入DEFSD，DEFSD结合属性向量和物体特征图，分别重建两幅源图像，并确定源图像的专属特征，同时，利用显著性掩码突出区域的特征；然后将经过训练的DEFSD输出的图像与Cb和Cr通道的SPECT图像一起被转换到RGB空间，获得最终的输出融合图像。在哈佛大学医学院公开的医学图像数据集上进行训练，实验结果表明，DEFSD可以产生包含大量各模态独有信息的融合图像，并且在病变区域具有明显的沟线特征，有利于早期胶质瘤诊断。

公开(公告)号：CN112750097A

公开(公告)日：2021-05-04

申请号：CN202110050993.3

申请日：2021-01-14

Applicant: 中北大学

Inventor： 王丽芳 ,  张晋 ,  王蕊芳 ,  张炯 ,  米嘉 ,  刘阳

IPC: G06T5/50 ,  G06T5/00 ,  G06T7/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于医学图像融合领域，具体涉及基于多CNN组合和模糊神经网络的多模态医学图像融合。为了将多模态医学图像中病灶部位的纹理细节表征更充分，边缘更清晰，本发明提出的方法主要有两部分组成：1)构建G‑CNN组(G‑CNNs)；2)基于模糊神经网络的G‑CNNs融合。第一部分首先通过一组比例和方向不同的Gabor滤波器获得CT和MR的不同Gabor表示对，然后分别使用每对不同的Gabor表示训练相应的CNN，从而生成G‑CNNs；第二部分利用模糊神经网络将G‑CNNs的多个输出进行融合得到最后的融合图像。

公开(公告)号：CN112750097B

公开(公告)日：2022-04-05

申请号：CN202110050993.3

申请日：2021-01-14

Applicant: 中北大学

Inventor： 王丽芳 ,  张晋 ,  王蕊芳 ,  张炯 ,  米嘉 ,  刘阳

IPC: G06T5/50 ,  G06T5/00 ,  G06T7/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于医学图像融合领域，具体涉及基于多CNN组合和模糊神经网络的多模态医学图像融合。为了将多模态医学图像中病灶部位的纹理细节表征更充分，边缘更清晰，本发明提出的方法主要有两部分组成：1)构建G‑CNN组(G‑CNNs)；2)基于模糊神经网络的G‑CNNs融合。第一部分首先通过一组比例和方向不同的Gabor滤波器获得CT和MR的不同Gabor表示对，然后分别使用每对不同的Gabor表示训练相应的CNN，从而生成G‑CNNs；第二部分利用模糊神经网络将G‑CNNs的多个输出进行融合得到最后的融合图像。

公开(公告)号：CN115880554A

公开(公告)日：2023-03-31

申请号：CN202211321366.X

申请日：2022-10-26

Applicant: 中北大学

Inventor： 王丽芳 ,  米嘉 ,  刘阳 ,  张炯 ,  刘势杰 ,  杜纪肖

IPC: G06V10/80 ,  G06V10/82 ,  G06V10/77 ,  G06V10/764 ,  G16H50/20 ,  G06N3/045 ,  G06N3/0455 ,  G06N3/0475 ,  G06N3/0464 ,  G06N3/096

Abstract: 本申请属于医学图像融合技术领域，公开了一种基于知识蒸馏与可解释的多模态医学图像融合模型及方法。基于知识蒸馏与可解释的多模态医学图像融合模型，包括一个生成器G和两个鉴别器Dc和Dm，生成器负责生成融合图像，鉴别器用来判别真实图像和融合图像，该模型解决了因可用于融合的成对图像数据集有限，导致多模态医学图像的融合图像清晰度下降的问题。从实验结果可知，本发明模型在主观视觉观察和客观指标评价方面都有较好的表现，将其应用于多模态医学图像融合，可以辅助医生对病灶部位做出准确地诊断与治疗。

公开(公告)号：CN115375638A

公开(公告)日：2022-11-22

申请号：CN202210951127.6

申请日：2022-08-09

Applicant: 中北大学

Inventor： 王丽芳 ,  刘阳 ,  米嘉 ,  张炯

IPC: G06T7/00 ,  G06V10/44 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明属于图像融合技术领域，具体涉及一种模态合成与增强的弱监督医学图像融合方法。针对多模态图像融合需要患者多次成像造成的对人体伤害和花费大、图像融合需配准大量成对数据集，时间长、难度大以及融合图像纹理及精细结构不够清晰的问题，本发明提出了基于CycleGAN与OctopusNet的模态合成与增强的弱监督医学图像融合方法，该方法由模态合成、图像增强与图像融合三部分组成。