← 返回列表

多维非线性变换的医学图像填充方法、装置、设备及介质

申请号: CN202410182155.5
申请人: 西南交通大学
申请日期: 2024/2/19

摘要文本

本发明提供了一种多维非线性变换的医学图像填充方法、装置、设备及介质,涉及医学影像技术领域,包括获取医学图像数据;构建非线性卷积神经网络模型;利用所述非线性卷积神经网络模型对所述医学图像数据进行变换得到张量数据;对张量数据进行核范数计算,得到卷积非线性张量核范数;基于卷积非线性张量核范数和非线性卷积神经网络模型构建医学图像张量填充模型;基于梯度下降法对医学图像张量填充模型进行迭代计算,直至收敛。本发明通过利用非线性卷积神经网络模型学习不完整医学图像数据,获得多维非线性变换张量表达并对其进行核范数约束。再利用张量核范数处理数据模式下的不同相关性,使得填充后的医学图像数据更加准确完整。

专利详细信息

项目 内容
专利名称 多维非线性变换的医学图像填充方法、装置、设备及介质
专利类型 发明申请
申请号 CN202410182155.5
申请日 2024/2/19
公告号 CN117745880A
公开日 2024/3/22
IPC主分类号 G06T11/40
权利人 西南交通大学
发明人 李恒超; 孙彪; 郑玉棒; 施志伟
地址 四川省成都市金牛区二环路北一段111号

专利主权项内容

百度搜索马 克 数 据 网 。1.一种多维非线性变换的医学图像填充方法,其特征在于,包括:获取医学图像数据,所述医学图像数据为不完整数据;构建非线性卷积神经网络模型;利用所述非线性卷积神经网络模型对所述医学图像数据进行变换得到张量数据;对张量数据进行核范数计算,得到卷积非线性张量核范数;基于卷积非线性张量核范数和非线性卷积神经网络模型构建医学图像张量填充模型;基于梯度下降法对医学图像张量填充模型进行迭代计算,直至收敛,得到医学图像填充结果,其中迭代计算中每次迭代的结果均先利用所述非线性卷积神经网络模型对其进行变换,再进行核范数约束后更新医学图像张量填充模型进行计算。