龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：清华大学
摘要：本申请提出一种三维多板块激发序列的图像边缘伪影矫正方法，包括：采集三维多板块激发序列的图像及对应的板块层面轮廓；建立降质模型，包括将无伪影图像经过板块层面轮廓的信号调制后，再加入板块信号混叠，获得伪影图像；使用高斯‑牛顿算法求解降质模型的逆问题，通过使用复合损失函数和训练数据对卷积神经网络进行训练，完成高斯‑牛顿求解中的每一步迭代计算，以获得最终的重建图像。本申请具有可解释性和鲁棒性，可以高效地抑制边缘伪影，获得高保真图像，能够实现快速计算，为高效采集与处理三维多板块激发序列的磁共振图像数据提供了便利，其中，三维多板块激发序列包括使用三维多板块激发以及多层同时激发的多板块成像的任意对比度序列。
主权项：1.一种三维多板块激发序列的图像边缘伪影矫正方法，其特征在于，包括以下步骤：采集三维多板块激发序列的图像及对应的板块层面轮廓；建立降质模型，其中，所述降质模型用于将无伪影图像经过板块层面轮廓的信号调制后，再加入板块信号混叠，获得伪影图像；使用高斯-牛顿算法求解降质模型的逆问题，通过使用复合损失函数和训练数据对卷积神经网络进行训练，完成高斯-牛顿求解中的每一步迭代计算，以获得最终的重建图像，其中，所述重建图像为重建得到的无伪影图像；其中，所述降质模型表示为：ASμ＝I其中，I是伪影图像，μ是希望重建得到的无伪影图像，I和μ均为各个板块丢弃过采层面后拼接起来的全脑图像，S表示拼接起来的所有板块层面轮廓，A记录了板块之间的混叠模式；所述使用复合损失函数和训练集对卷积神经网络进行训练，完成高斯-牛顿求解中的每一步迭代计算，包括以下步骤：获取训练数据集；使用所述伪影图像和初始估计的板块层面轮廓作为高斯-牛顿迭代的初始值；使用Adam优化器和损失函数，将所述训练数据集输入所述卷积神经网络模块中进行训练，使用反向传播算法，输出最终估计值，其中，所述最终估计值对应的损失函数值将被用于更新所述卷积神经网络模块的权重值。
全文数据：
权利要求：
百度查询： 清华大学 三维多板块激发序列的图像边缘伪影矫正方法和装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号