公开(公告)号：CN114004912B

公开(公告)日：2025-04-29

申请号：CN202111313304.X

申请日：2021-11-08

Applicant: 南京邮电大学

Inventor： 谢世朋 ,  严墨

IPC: G06T11/00 ,  G06V10/74 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/049 ,  G06N3/08

Abstract: 本发明公开了一种CBCT图像去伪影的方法，该方法基于contextual loss以及特征融合残差网络，首先对输入的带伪影的CBCT图像和CT图像进行特征提取，得到特征图谱；将得到的特征图经过改进的以contextual loss为损失函数的特征融合残差网络训练，学习CBCT与CT图像之间的结构相似性，以CT图像作为标签，使得CBCT图像能够去除掉伪影但保持其结构不发生变化；最后将CBCT图像作为输入，利用训练好的网络模型进行伪影去除。该方法利用了contextual loss可以允许输入图像间的不对齐，可以很好的适用于CBCT与CT医学图像无法严格对其这一特点，最终实现一个快速有效的去除伪影的作用。

公开(公告)号：CN114004912A

公开(公告)日：2022-02-01

申请号：CN202111313304.X

申请日：2021-11-08

Applicant: 南京邮电大学

Inventor： 谢世朋 ,  严墨

IPC: G06T11/00 ,  G06V10/74 ,  G06V10/80 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种CBCT图像去伪影的方法，该方法基于contextual loss以及特征融合残差网络，首先对输入的带伪影的CBCT图像和CT图像进行特征提取，得到特征图谱；将得到的特征图经过改进的以contextual loss为损失函数的特征融合残差网络训练，学习CBCT与CT图像之间的结构相似性，以CT图像作为标签，使得CBCT图像能够去除掉伪影但保持其结构不发生变化；最后将CBCT图像作为输入，利用训练好的网络模型进行伪影去除。该方法利用了contextual loss可以允许输入图像间的不对齐，可以很好的适用于CBCT与CT医学图像无法严格对其这一特点，最终实现一个快速有效的去除伪影的作用。