← 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
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。
申请人信息
- 申请人:山东师范大学
- 申请人地址:250014 山东省济南市文化东路88号
- 发明人: 山东师范大学
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