公开(公告)号：CN114037861A

公开(公告)日：2022-02-11

申请号：CN202111266937.X

申请日：2021-10-28

Applicant: 南昌大学

Inventor： 李菲红 ,  胡长江 ,  黄伟

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G16H50/20

Abstract: 本发明公开了一种基于差分图像的动脉自旋标记图像合成方法，包括1、以动脉自旋标记图像合成方法作为“基模型”，将其作为“第n层”，将“基模型”和n‑1个生成对抗网络的级联连接在一起，构建出动脉自旋标记图像合成新框架；2、获取生成所需要的结构磁共振图像和动脉自旋标记图像，并执行预处理操作；3、将结构性磁共振图像和动脉自旋标记图像输入所述新框架中的每一层进行训练；4、随机将4个结构性磁共振图像作为输入，输入到训练好的所述新框架中，得到0～n层的单独输出；5、以图像金字塔融合的方法来进行图像重建。通过本发明合成的动脉自旋标记图像可以弥补现有的动脉自旋标记合成方法合成图像细节不够清晰的问题。

公开(公告)号：CN114049429A

公开(公告)日：2022-02-15

申请号：CN202111260150.2

申请日：2021-10-28

Applicant: 南昌大学

Inventor： 李菲红 ,  胡长江 ,  黄伟

IPC: G06T17/00 ,  G06V10/764 ,  G06V10/774 ,  G06K9/62 ,  G16H50/20 ,  G06N3/04

Abstract: 本发明公开了一种基于生成对抗混合模型网络的动脉自旋标记图像合成方法，包括以下步骤：1、获取生成所需要的结构磁共振图像和动脉自旋标记图像，并执行预处理操作；2、将结构磁共振数据和动脉自旋标记数据输入到自动编码机中进行生成训练；3、将对应的动脉自旋标记图像和自动编码机合成的图像，输入到鉴别器中进行训练；4、重复步骤2和3，对生成对抗混合模型网络进行训练，得到训练好的生成器；5、使用训练好的生成器，通过随机输入8个真实的结构性磁共振数据，迭代生成预测的动脉自旋标记数据。本发明合成的动脉自旋标记图像具有更清晰的细节和轮廓，可推动动脉自旋标记技术在阿尔兹海默症中的研究，提供高质量的补充数据集。