公开(公告)号：CN113706643A

公开(公告)日：2021-11-26

申请号：CN202010939063.9

申请日：2020-09-09

Applicant: 南京邮电大学

Inventor： 谢世朋 ,  宋振荣 ,  庄文芹

IPC: G06T11/00 ,  G06T5/00 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明公开了一种基于同形适应学习的头部CT金属伪影校正方法。通过使用17层卷积神经网络，构建深度学习的生成框架；结合使用VGG19模型对CT图像进行特征提取；利用CT连续切片的先验信息和CT结构的相似性，对数据集进行扩充；为了解决医学类数据失准的问题，将改进的抗噪损失用于网络，通过平衡风格损失和内容损失的比重，在逐步迭代的过程中，达到去除金属伪影且保留原始疾病信息的目的；结果评价，在临床数据集和模拟数据集上进行训练和测试，综合评价方法，对模型进行评估。本发明实现了对头部CT伪影的校正，在保留图像细节信息的同时，没有新伪影产生，也没有造成模糊，提高了临床诊断的准确性，具有良好的实用价值。

公开(公告)号：CN113706643B

公开(公告)日：2023-06-30

申请号：CN202010939063.9

申请日：2020-09-09

Applicant: 南京邮电大学

Inventor： 谢世朋 ,  宋振荣 ,  庄文芹

IPC: G06T11/00 ,  G06T5/00 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明公开了一种基于同形适应学习的头部CT金属伪影校正方法。通过使用17层卷积神经网络，构建深度学习的生成框架；结合使用VGG19模型对CT图像进行特征提取；利用CT连续切片的先验信息和CT结构的相似性，对数据集进行扩充；为了解决医学类数据失准的问题，将改进的抗噪损失用于网络，通过平衡风格损失和内容损失的比重，在逐步迭代的过程中，达到去除金属伪影且保留原始疾病信息的目的；结果评价，在临床数据集和模拟数据集上进行训练和测试，综合评价方法，对模型进行评估。本发明实现了对头部CT伪影的校正，在保留图像细节信息的同时，没有新伪影产生，也没有造成模糊，提高了临床诊断的准确性，具有良好的实用价值。