-
公开(公告)号：CN116630463B
公开(公告)日：2023-10-13
申请号：CN202310896717.8
申请日：2023-07-21
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 北京联影智能影像技术研究院
IPC: G06T11/00 , G06T7/12 , G06N3/0464 , G06N3/0475 , G06N3/084
Abstract: 本发明涉及一种基于多任务学习的增强CT图像生成方法和系统，属于CT图像生成技术领域，解决了现有技术中无法快速并且安全得到增强CT图像的问题。方法包括：获取平扫CT图像和增强CT图像；对平扫CT图像和增强CT图像分别进行图像分割，得到对应的器官轮廓分割图像；根据平扫CT图像、增强CT图像和对应的器官轮廓分割图像构建训练样本集；构建多任务循环生成对抗网络模型，基于所述训练样本集对所述多任务循环生成对抗网络模型进行训练得到训练好的多任务循环生成对抗网络模型；获取待转换平扫CT图像，基于训练好的多任务循环生成对抗网络模型生成对应的增强CT图像。实现了高质量增强CT图像的快速生成。
-
公开(公告)号：CN116977466A
公开(公告)日：2023-10-31
申请号：CN202310899743.6
申请日：2023-07-21
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 北京联影智能影像技术研究院
IPC: G06T11/00 , G06T7/12 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/044 , G06N3/084
Abstract: 本发明涉及一种增强CT图像生成模型的训练方法和存储介质，属于CT图像生成技术领域，解决了现有技术中缺乏根据平扫CT图像直接生成高质量增强CT图像的模型的问题。方法包括以下步骤：获取平扫CT图像、增强CT图像以及平扫CT图像和增强CT图像分别对应的的器官轮廓分割图像，构建训练样本集；构建多任务循环生成对抗网络模型，所述多任务循环生成对抗网络模型的生成器为采用基于高效Transformer的编码器‑解码器结构的生成器；基于所述训练样本集对所述多任务循环生成对抗网络模型进行训练得到增强CT图像生成模型。实现了快速得到高质量增强CT图像生成模型。
-
公开(公告)号：CN116630463A
公开(公告)日：2023-08-22
申请号：CN202310896717.8
申请日：2023-07-21
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 北京联影智能影像技术研究院
IPC: G06T11/00 , G06T7/12 , G06N3/0464 , G06N3/0475 , G06N3/084
Abstract: 本发明涉及一种基于多任务学习的增强CT图像生成方法和系统，属于CT图像生成技术领域，解决了现有技术中无法快速并且安全得到增强CT图像的问题。方法包括：获取平扫CT图像和增强CT图像；对平扫CT图像和增强CT图像分别进行图像分割，得到对应的器官轮廓分割图像；根据平扫CT图像、增强CT图像和对应的器官轮廓分割图像构建训练样本集；构建多任务循环生成对抗网络模型，基于所述训练样本集对所述多任务循环生成对抗网络模型进行训练得到训练好的多任务循环生成对抗网络模型；获取待转换平扫CT图像，基于训练好的多任务循环生成对抗网络模型生成对应的增强CT图像。实现了高质量增强CT图像的快速生成。
-
公开(公告)号：CN116977466B
公开(公告)日：2024-06-25
申请号：CN202310899743.6
申请日：2023-07-21
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 北京联影智能影像技术研究院
IPC: G06T11/00 , G06T7/12 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/044 , G06N3/084
Abstract: 本发明涉及一种增强CT图像生成模型的训练方法和存储介质，属于CT图像生成技术领域，解决了现有技术中缺乏根据平扫CT图像直接生成高质量增强CT图像的模型的问题。方法包括以下步骤：获取平扫CT图像、增强CT图像以及平扫CT图像和增强CT图像分别对应的的器官轮廓分割图像，构建训练样本集；构建多任务循环生成对抗网络模型，所述多任务循环生成对抗网络模型的生成器为采用基于高效Transformer的编码器‑解码器结构的生成器；基于所述训练样本集对所述多任务循环生成对抗网络模型进行训练得到增强CT图像生成模型。实现了快速得到高质量增强CT图像生成模型。
-
-
-
Search Results
4
records
(took 0.048 seconds)
