公开(公告)号：CN118736112A

公开(公告)日：2024-10-01

申请号：CN202410756953.4

申请日：2024-06-13

Applicant: 广东工业大学

Inventor： 李斯 ,  廖浩霖 ,  梁展博 ,  温桂豪 ,  张伟国 ,  冼景谋 ,  李风环 ,  孙海涛 ,  黄朋 ,  刘雨杰 ,  潘佳威 ,  郑嘉 ,  林文龙

IPC: G06T17/00 ,  G06N3/0455

Abstract: 本发明公开的属于生物医学图像重建技术领域，具体为一种基于多射线自注意力隐式神经表示的稀疏视图断层(CBCT和SPECT)重建方法，包括具体步骤如下：通过射线采样获取三维空间内的采样点；利用多分辨率哈希编码器对采样点的坐标进行位置编码；把相邻射线上的邻近采样点重组到感兴趣窗口内；使用Transformer作为查询网络，并利用其自注意力机制学习感兴趣窗口内采样点的内在联系；消除窗口以恢复采样点的初始顺序；利用投影合成公式合成新视角的投影图像；最小化真实投影和合成投影之间的误差来优化网络；用训练后的Transformer网络重建图像，本发明的有益效果在于实现了稀疏视图断层重建的高质量结果。

公开(公告)号：CN116883273A

公开(公告)日：2023-10-13

申请号：CN202310833748.9

申请日：2023-07-07

Applicant: 广东工业大学

Inventor： 冼景谋 ,  李斯 ,  李风环 ,  柳毅

IPC: G06T5/00 ,  G06T7/00 ,  G06T17/00 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明揭示了一种基于隐式神经表示的低剂量稀疏视图SPECT重建和图像去噪方法。该方法包括两个阶段：低剂量稀疏视图SPECT重建和图像去噪。首先通过对输入点进行小波特征映射，并进行频率正则化，使多层感知器(MLP)能够在低维问题域学习高频函数。在预测时，生成不包含训练视图的密集投影视图，然后将训练的稀疏投影视图和预测生成的密集投影视图相结合，通过PAPA重建算法实现低剂量稀疏视图的SPECT重建。其次，在图像去噪阶段，利用隐式神经表征(INR)的架构归纳偏差：INR倾向于比高频噪声更快地拟合低频干净图像信号，更接近输出的INR层在拟合高频部分中发挥更关键的作用。通过惩罚更深层权重的增长来最大化INR的固有去噪能力，从而实现SPECT图像去噪。