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：湖南大学

摘要：本申请涉及一种基于扩散模型的医学图像体积超分辨率方法，构建基于扩散模型的医学图像体积超分辨率模型；将医学图像输入至形变流特征提取模块，得到医学图像中相邻层之间的运动形变映射；基于医学图像和各层间的运动形变映射，得到形变估计图像；对形变估计图进行预处理，并将预处理后的形变估计图像分别输入至新型UNet网络中编码器的各层，输出多个特征图；每个特征图均经过复合卷积注意力模块，进行特征融合，分别得到对应的融合特征图；对每个融合特征图进行再次融合，分别得到对应的第二融合特征图；将每个第二融合特征图输入至新型UNet网络中的解码器，输出医学图像的超分辨率图像。该方法提升了图像的细节恢复和分辨率增强效果。

主权项：1.一种基于扩散模型的医学图像体积超分辨率方法，其特征在于，包括：S1：构建基于扩散模型的医学图像体积超分辨率模型，所述医学图像体积超分辨率模型包括形变流特征提取模块、新型UNet网络和复合卷积注意力模块；所述形变流特征提取模块包括三个PWCNet形变预测网络；所述医学图像包括四层；第一PWCNet形变预测网络用于估计医学图像第一层与医学图像第二层之间的运动形变映射；第二PWCNet形变预测网络用于估计医学图像第二层与医学图像第三层之间的运动形变映射；第三PWCNet形变预测网络用于估计医学图像第三层与医学图像第四层之间的运动形变映射；每个PWCNet形变预测网络均由多个卷积层、归一化层以及激活函数组成；所述新型UNet网络以UNet网络为基础，移除了UNet网络中编码器的BatchNorm层，将UNet网络中编码器的卷积层层数增加至七层，且在每层卷积层后引入激活函数；S2：获取医学图像，所述医学图像包括多层，并将所述医学图像输入至所述形变流特征提取模块，得到医学图像中相邻层之间的运动形变映射；基于医学图像和各层间的运动形变映射，得到形变估计图像；S3：对所述形变估计图进行预处理，并将预处理后的所述形变估计图像分别输入至所述新型UNet网络中编码器的各层，输出多个特征图；S4：每个所述特征图均经过所述复合卷积注意力模块，进行特征融合，分别得到对应的融合特征图；所述复合卷积注意力模块对任意一个所述特征图分别进行可变形卷积处理、大核卷积处理以及傅里叶卷积处理，分别得到可变形卷积特征图、大核卷积特征图以及傅里叶卷积特征图；计算公式分别为： ； ； ；其中，表示可变形卷积特征图；表示大核卷积特征图；表示傅里叶卷积特征图；表示可变形卷积；表示大核卷积；表示傅里叶卷积；表示任意一个新型UNet网络跳跃链接传递的特征图；将任意一个所述特征图的可变形卷积特征图、大核卷积特征图以及傅里叶卷积特征图，进行融合，得到对应的融合特征图，计算公式为： ； ；其中，表示初步融合特征图；表示融合特征图；表示Fusion融合操作；S5：对每个所述融合特征图进行再次融合，分别得到对应的第二融合特征图；将每个所述第二融合特征图输入至所述新型UNet网络中的解码器，输出医学图像的超分辨率图像。

全文数据：

权利要求：

百度查询： 湖南大学 一种基于扩散模型的医学图像体积超分辨率方法