-
Patent Agency Ranking
公开(公告)号：CN114283088B
公开(公告)日：2024-09-06
申请号：CN202111602471.6
申请日：2021-12-24
Applicant: 中北大学
IPC: G06T5/70 , G06T5/60 , G06T5/50 , G06N3/0464 , G06N3/084 , G06N3/0985 , G06V10/774 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/82 , G06N3/048
Abstract: 本发明涉及一种低剂量CT图像降噪方法及装置，对图像数据集进行预处理；初始化卷积稀疏图X和卷积字典D；通过超参数预测模块产生每次的迭代参数；基于所述迭代参数，迭代更新卷积稀疏图X和卷积字典D，直至获得预训练模型；选取低剂量CT图像数据集，基于所述预训练模型在低剂量CT图像数据集上训练，直至获得降噪模型；基于所述降噪模型，对低剂量CT图像进行降噪处理。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：CN116152373A
公开(公告)日：2023-05-23
申请号：CN202310143494.8
申请日：2023-02-21
Applicant: 中北大学
Abstract: 本发明涉及一种结合卷积神经网络和卷积字典学习的CT图像重建方法。该方法利用网络自适应的学习模型的先验，使模型能够更好的适用于重建图像，卷积字典学习是基于整幅图像的，能有效的解决边界聚合伪影问题，且可解释性使得网络优化更直观。两者的结合能够有效的去除低剂量图像中的噪声和伪影，能够更好的保留图像细节。
-
公开(公告)号：CN114708189B
公开(公告)日：2024-12-13
申请号：CN202210172479.1
申请日：2022-02-24
Applicant: 中北大学
Abstract: 本发明涉及一种基于深度学习的多能X射线图像融合方法及装置，采集不同工件的不同能量X射线图作为训练数据集；将训练数据集的X射线图输入编码器，训练编码器和解码器，待训练网络稳定后，获得训练好的编码器和解码器；在训练好的编码器和解码器之间添加结合通道注意力和基于模糊熵的空间注意力的融合策略；输入不同能量的X射线图至训练好的编码器提取特征，再使用结合通道注意力和基于模糊熵的空间注意力的融合策略融合特征图，融合后的特征图再进入训练好的解码器输出融合结果。通过本发明方法及装置处理图像，能够有效反映工件信息，提高检测准确率。
-
公开(公告)号：CN114708189A
公开(公告)日：2022-07-05
申请号：CN202210172479.1
申请日：2022-02-24
Applicant: 中北大学
Abstract: 本发明涉及一种基于深度学习的多能X射线图像融合方法及装置，采集不同工件的不同能量X射线图作为训练数据集；将训练数据集的X射线图输入编码器，训练编码器和解码器，待训练网络稳定后，获得训练好的编码器和解码器；在训练好的编码器和解码器之间添加结合通道注意力和基于模糊熵的空间注意力的融合策略；输入不同能量的X射线图至训练好的编码器提取特征，再使用结合通道注意力和基于模糊熵的空间注意力的融合策略融合特征图，融合后的特征图再进入训练好的解码器输出融合结果。通过本发明方法及装置处理图像，能够有效反映工件信息，提高检测准确率。
-
公开(公告)号：CN114283088A
公开(公告)日：2022-04-05
申请号：CN202111602471.6
申请日：2021-12-24
Applicant: 中北大学
Abstract: 本发明涉及一种低剂量CT图像降噪方法及装置，对图像数据集进行预处理；初始化卷积稀疏图X和卷积字典D；通过超参数预测模块产生每次的迭代参数；基于所述迭代参数，迭代更新卷积稀疏图X和卷积字典D，直至获得预训练模型；选取低剂量CT图像数据集，基于所述预训练模型在低剂量CT图像数据集上训练，直至获得降噪模型；基于所述降噪模型，对低剂量CT图像进行降噪处理。本发明能够有效提高低剂量CT图像降噪处理效果。
-
-
-
-
Search Results
5
records
(took 0.012 seconds)
