← 返回列表

基于卷积神经网络的CBCT图像伪影矫正系统及方法

申请号: CN202311724431.8
申请人: 山东师范大学
申请日期: 2023/12/15

摘要文本

本发明涉及医学图像处理技术领域,提供了基于卷积神经网络的CBCT图像伪影矫正系统及方法,所述系统包括图像预处理单元、模型训练单元和图像矫正单元。通过在模型训练单元中引入不同扩张率的残差模块,实现了更广泛和深层的特征提取,捕捉图像的局部细节和全局边缘信息;在浅层和深层特征提取之间,采用了带有通道和空间注意力机制的残差模块进行跳跃连接,提高了对输入图像中关键特征的感知和利用,同时减小了浅层和深层特征之间的语义差异。本发明通过准确提取多层次特征和扩大感受野,有效纠正了CBCT图像中的伪影,提高了图像质量。

专利详细信息

项目 内容
专利名称 基于卷积神经网络的CBCT图像伪影矫正系统及方法
专利类型 发明申请
申请号 CN202311724431.8
申请日 2023/12/15
公告号 CN117409100A
公开日 2024/1/16
IPC主分类号 G06T11/00
权利人 山东师范大学
发明人 虞刚; 安振; 曹强; 朱健; 孔维鹏; 孙倩; 李登旺
地址 山东省济南市历下区文化东路88号

专利主权项内容

1.基于卷积神经网络的CBCT图像伪影矫正系统,其特征在于,所述系统包括:图像预处理单元、模型训练单元和图像矫正单元,其中,所述图像预处理单元,用于对原始CBCT图像和参考CBCT图像进行预处理;所述模型训练单元,用于基于预处理后的原始CBCT图像和参考CBCT图像训练基于扩张和注意力机制U型卷积神经网络,得到CBCT图像伪影矫正模型;所述图像矫正单元,用于将实际CBCT图像输入所述CBCT图像伪影矫正模型生成矫正的CBCT图像。。来源:马 克 数 据 网