← 返回列表
一种基于配准增强和最优传输GAN的DSA图像生成方法
摘要文本
本发明公开了一种基于配准增强和最优传输GAN的DSA图像生成方法，包括：(1)收集DSA图像数据集；(2)构建生成器；输入图像进入生成器后依次经过尺度分解、特征提取线性变换、自适应注意力机制、共享空间表示、整合多尺度表示后通过前馈神经网络输出生成图像；(3)构建判别器；计算生成图像与真实图像之间的光流图，将生成图像根据光流图进行空间扭曲，将扭曲后生成的图像和真实图像分别输入到深度卷积网络进行特征提取；采用深度相关矩阵比较的方法来度量两个提取特征之间的相似性；(4)构建损失函数，对生成器和判别器进行训练；(5)将待剪影的DSA图像输入训练好的生成器，生成剪影后的图像。利用本发明，可以生成更高质量的图像。
申请人信息
- 申请人:浙江大学
- 申请人地址:310058 浙江省杭州市西湖区余杭塘路866号
- 发明人: 浙江大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于配准增强和最优传输GAN的DSA图像生成方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311793094.8 |
| 申请日 | 2023/12/25 |
| 公告号 | CN117765041A |
| 公开日 | 2024/3/26 |
| IPC主分类号 | G06T7/33 |
| 权利人 | 浙江大学 |
| 发明人 | 俞刚; 舒力琪; 黄坚; 马晓辉; 周昊天; 张志诚; 张有健 |
| 地址 | 浙江省杭州市西湖区余杭塘路866号 |
专利主权项内容
1.一种基于配准增强和最优传输GAN的DSA图像生成方法，其特征在于，包括：(1)收集剪影前、后的DSA图像数据集；(2)构建生成器；输入图像进入生成器后经过不同大小的卷积核进行卷积操作，得到一系列包含全局信息的特征图；将特征图切割成一系列的小块并通过线性变换得到一系列特征向量v；i将特征向量v输入自适应注意力机制后得到每个小块i对应的注意力结果Z，将这些结果Z投影到一个共享表示空间后进行加权求和，得到整合所有尺度信息的表示Z，最后再通过前馈神经网络得到生成器的输出生成的图像G；iii(3)构建判别器；计算生成图像G与真实图像R之间的光流图F，将生成图像G根据光流图F进行空间扭曲，将扭曲后生成的图像G和真实图像分别输入到一个深度卷积网络进行特征提取；采用最优传输度量函数来度量两个提取特征之间的相似性；GRGRwarp(4)构建损失函数，利用DSA图像数据集对生成器和判别器进行训练；(5)将待剪影的DSA图像输入训练好的生成器，生成剪影后的图像。