公开(公告)号：CN114596285A

公开(公告)日：2022-06-07

申请号：CN202210232832.0

申请日：2022-03-09

Applicant: 南京邮电大学

Inventor： 尹海涛 ,  岳勇赢

IPC: G06T7/00 ,  G06T5/00 ,  G06T3/40 ,  G06T3/60 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于生成对抗网络的多任务医学图像增强方法，用于实现医学图像的超分辨率和融合任务，包括以下步骤：步骤1，构建训练数据集，并对数据集进行预处理；步骤2，使用动态卷积和残差密集网络构成生成对抗网络模型；步骤3，设置所述网络模型的超参数和损失函数，并对所述损失函数进行优化；步骤4，输入预处理后的训练数据集到生成对抗网络模型，并训练网络得到已训练的生成对抗网络模型；步骤5，输入测试数据集到网络中，得到融合的超分辨率医学图像；步骤6，使用互信息Qmi和基于结构相似性设计的Qyang对融合的超分辨率医学图像质量进行评估。通过本发明的方法可以在一个网络中实现医学图像的超分辨率和融合任务。

公开(公告)号：CN114596285B

公开(公告)日：2024-09-27

申请号：CN202210232832.0

申请日：2022-03-09

Applicant: 南京邮电大学

Inventor： 尹海涛 ,  岳勇赢

IPC: G06T7/00 ,  G06T5/60 ,  G06T3/4046 ,  G06T3/60 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明公开了一种基于生成对抗网络的多任务医学图像增强方法，用于实现医学图像的超分辨率和融合任务，包括以下步骤：步骤1，构建训练数据集，并对数据集进行预处理；步骤2，使用动态卷积和残差密集网络构成生成对抗网络模型；步骤3，设置所述网络模型的超参数和损失函数，并对所述损失函数进行优化；步骤4，输入预处理后的训练数据集到生成对抗网络模型，并训练网络得到已训练的生成对抗网络模型；步骤5，输入测试数据集到网络中，得到融合的超分辨率医学图像；步骤6，使用互信息Qmi和基于结构相似性设计的Qyang对融合的超分辨率医学图像质量进行评估。通过本发明的方法可以在一个网络中实现医学图像的超分辨率和融合任务。