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：广东工业大学
摘要：本发明公开的属于生物医学图像重建技术领域，具体为一种基于潜在扩散模型的低剂量spect弦图图像重建方法，包括具体步骤如下：使用生成对抗网络训练autoencoder，将所有的数据划分成训练集和测试集，按照4：1的比例进一步划分，训练的时候仅仅使用正常剂量弦图，而测试的时候只使用低剂量弦图，统称为无标签数据。本发明结合了传统的MLEM迭代重建方法和神经网络，提出了一种基于潜在扩散模型的低剂量spect弦图预处理和图像重建的自监督方法，利用无标签数据，在训练阶段训练好autoencoder和扩散模型，在测试期间使用训练好的扩散模型进行测试，把低剂量的spect弦图进行去噪预处理，得到高质量的spect弦图，进一步用MLEM迭代重建方法，得到高质量的spect图像。
主权项：1.一种基于潜在扩散模型的低剂量spect弦图图像重建方法，其特征在于，包括具体步骤如下：S1：使用生成对抗网络训练autoencoder，将所有的数据划分成训练集和测试集，按照4：1的比例进一步划分，训练的时候仅仅使用正常剂量弦图，而测试的时候只使用低剂量弦图，统称为无标签数据，将训练好的参数输入到autoencoder作为自动编码器配置的参数；S2：搭建潜在扩散模型，所有数据先经过编码器编码，训练的时候，正常剂量弦图作为网络的输入，测试的时候，低剂量弦图作为网络的输入，将编码后的数据输入搭建好的潜在扩散模型中训练，将模型输出的图像进行解码器解码；S3：将S2中训练好的潜在扩散模型进行测试，将测试数据输入进行采样，得到去噪的弦图；S4：将S3得到去噪的弦图，运用MLEM迭代重建算法进行重建，得到重建好的spect图像。
全文数据：
权利要求：
百度查询： 广东工业大学 一种基于潜在扩散模型的低剂量spect弦图图像重建方法
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