公开(公告)号：CN116862790A

公开(公告)日：2023-10-10

申请号：CN202310796944.3

申请日：2023-06-30

Applicant: 中北大学

Inventor： 桂志国 ,  李志媛 ,  刘祎 ,  芦婧 ,  任时磊

IPC: G06T5/00 ,  G06T7/00

Abstract: 本发明涉及一种基于神经网络的低剂量CT图像降噪方法及装置，将含噪声的CT图像分解，获得图像低频信息和高频信息；将所述图像低频信息和高频信息分别输入至相对应的低频网络和高频网络中，得到第n次降噪后的低频信息Ln和高频信息Hn；第n次降噪后的低频信息和高频信息通过融合网络与初始图像相减，获得残差图像ΔZn；计算损失函数，训练出预模型；调整学习率，对预模型进行训练，获得最终降噪模型；基于所述最终降噪模型，对CT图像进行处理，获得降噪后的CT图像。本发明能够有效提高低剂量CT图像降噪处理效果。

公开(公告)号：CN119399075A

公开(公告)日：2025-02-07

申请号：CN202411436527.9

申请日：2024-10-15

Applicant: 中北大学

Inventor： 李志媛 ,  桂志国 ,  李壮飞 ,  刘祎 ,  张丽媛 ,  任时磊

IPC: G06T5/77 ,  G06T5/60 ,  G06N3/0464

Abstract: 本发明涉及一种基于神经网络多层次特征学习的低剂量CT图像复原方法及装置，对CT图像数据集进行预处理，获得预处理图像；基于预处理图像，通过粗特征提取模块提取图像粗特征，获得粗特征图；基于所述粗特征图，通过细节增强模块增强图像细节特征，获得细节增强特征图；基于所述粗特征图，通过重建图像模块获得第一重建图像；基于所述细节增强特征图，通过重建图像细节模块获得第二重建图像；将所述第一重建图像和第二重建图像相加，得到复原图像；计算损失函数，训练出复原模型。本发明能够有效提高低剂量CT图像复原处理效果。

公开(公告)号：CN116862790B

公开(公告)日：2024-10-08

申请号：CN202310796944.3

申请日：2023-06-30

Applicant: 中北大学

Inventor： 桂志国 ,  李志媛 ,  刘祎 ,  芦婧 ,  任时磊

IPC: G06T5/70 ,  G06T7/00 ,  G06T5/60 ,  G06N3/0464

Abstract: 本发明涉及一种基于神经网络的低剂量CT图像降噪方法及装置，将含噪声的CT图像分解，获得图像低频信息和高频信息；将所述图像低频信息和高频信息分别输入至相对应的低频网络和高频网络中，得到第n次降噪后的低频信息Ln和高频信息Hn；第n次降噪后的低频信息和高频信息通过融合网络与初始图像相减，获得残差图像ΔZn；计算损失函数，训练出预模型；调整学习率，对预模型进行训练，获得最终降噪模型；基于所述最终降噪模型，对CT图像进行处理，获得降噪后的CT图像。本发明能够有效提高低剂量CT图像降噪处理效果。