公开(公告)号：CN114140442B

公开(公告)日：2024-12-03

申请号：CN202111472842.3

申请日：2021-12-01

Applicant: 北京邮电大学

Inventor： 孙畅 ,  刘奕彤 ,  杨鸿文

IPC: G06T7/00 ,  G06T11/00 ,  G06T3/4038

Abstract: 本发明公开了一种基于频域和图像域退化感知的深度学习稀疏角度CT重建方法，属于图像处理技术领域，首先构建频域模型，设计频域注意力模块，显示地学习不同退化级别的稀疏角度CT在频域的不同特征，输出加权频率特征，然后送入频域重建模块生成频域重建图像；其次构建图像域模型，设计图像域注意力模块，利用频域重建图像学习不同退化级别的稀疏角度CT在图像域的边缘像素重建特征，输出图像域注意力预测图像，最后送入图像域重建模块输出最终的重建结果。通过结合含有多个退化级别的CT数据集和有监督训练，此方法可以克服现有面向单一退化级别的深度学习方法泛化性差、不可拓展的缺陷，有效地提升重建的整体精度，抑制噪声和伪影同时保留细节的纹理特征。

公开(公告)号：CN114140442A

公开(公告)日：2022-03-04

申请号：CN202111472842.3

申请日：2021-12-01

Applicant: 北京邮电大学

Inventor： 孙畅 ,  刘奕彤 ,  杨鸿文

IPC: G06T7/00 ,  G06T11/00 ,  G06T3/40

Abstract: 本发明公开了一种基于频域和图像域退化感知的深度学习稀疏角度CT重建方法，属于图像处理技术领域，首先构建频域模型，设计频域注意力模块，显示地学习不同退化级别的稀疏角度CT在频域的不同特征，输出加权频率特征，然后送入频域重建模块生成频域重建图像；其次构建图像域模型，设计图像域注意力模块，利用频域重建图像学习不同退化级别的稀疏角度CT在图像域的边缘像素重建特征，输出图像域注意力预测图像，最后送入图像域重建模块输出最终的重建结果。通过结合含有多个退化级别的CT数据集和有监督训练，此方法可以克服现有面向单一退化级别的深度学习方法泛化性差、不可拓展的缺陷，有效地提升重建的整体精度，抑制噪声和伪影同时保留细节的纹理特征。

公开(公告)号：CN117557607A

公开(公告)日：2024-02-13

申请号：CN202311368938.4

申请日：2023-10-20

Applicant: 北京邮电大学

Inventor： 孙畅 ,  刘奕彤 ,  高梓源 ,  杨鸿文

IPC: G06T7/33 ,  G06T5/70 ,  G06T7/10 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于深度学习的无标记电子断层图像对位方法，属于图像处理技术领域。噪声和不均匀衬底的干扰是电子断层图像难以对位的重要原因，本发明方法可以有效解决上述问题。本发明首先构建粒子投影预测模型，包括构建去噪网络模块(DN)、分割网络模块(SN)、预测衬底模块(PSN)和去衬底网络模块(DSN)。然后基于电子断层图像数据集，对模型训练。最后将不对位的电子断层图像序列输入至粒子投影预测模型，输出干净的、仅含粒子投影的图像，针对仅含粒子投影的图像，使用无标记投影数据对位方法，得到对位的电子断层图像。相比于其他方法，本发明方法可以在衬底和噪声剧烈干扰的情况下，实现精准的电子断层图像对位效果。