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！
摘要：本发明公开了一种基于深度学习生成对抗网络的低剂量PET去噪系统，数据预处理模块对收集到的第一数据进行预处理；生成器对第二数据进行处理；鉴别器对第二数据和第三数据进行处理；损失函数模块对第二数据与第三数据进行生成损失计算和鉴别损失计算；设定迭代周期次数和学习率，对于每一个周期，损失函数模块将生成损失与鉴别损失反向传播，优化生成器与鉴别器的模型参数，在结束任意周期后，生成器与鉴别器的模型参数将更新，并参与至下一周期的优化中。本发明对生成器的优化，受损失函数模块和鉴别器的双重约束，避免过度拟合和人工伪影的情况；有效地提高用于PET去噪深度学习模型训练的稳定性与数据关注域的多样性，从而提高模型性能与稳定度。
主权项：1.一种基于深度学习生成对抗网络的低剂量PET去噪系统，其特征在于，对抗网络的表达式为： 式中：G为生成器，θG为生成器的权重参数，D为鉴别器，θD为鉴别器的模型参数，IND为正常剂量图像，ILD为低剂量图像，为数学期望，log为对数函数，p为概率；生成对抗网络的训练方法包括以下步骤：S1：数据预处理模块对收集到的第一数据进行预处理，得到第二数据并传输到生成器中；S2：生成器对第二数据进行处理得到第三数据并将第三数据和第二数据传输到鉴别器中，同时将第二数据传输到损失函数模块中；S3：鉴别器对第二数据和第三数据进行处理得到第四数据并将第四数据传输到损失函数模块中；S4：损失函数模块对第二数据与第三数据进行生成损失计算，并将生成损失反馈到生成器中；同时，损失函数模块对第二数据与第三数据进行鉴别损失计算，并将鉴别损失反馈到鉴别器中；S5：设定迭代周期次数和学习率，对于每一个周期，损失函数模块将生成损失与鉴别损失反向传播，优化生成器与鉴别器的模型参数，在结束任意周期后，生成器与鉴别器的模型参数将更新，并参与至下一周期的优化中,直达优化训练完成，得到最终的生成器与鉴别器。
全文数据：
权利要求：
百度查询： 徐州医科大学 一种基于深度学习生成对抗网络的低剂量PET去噪系统
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