[发明专利]基于多剂量等级的低剂量图像增强方法、系统及存储介质有效

专利信息
申请号: 202010132540.0 申请日: 2020-02-29
公开(公告)号: CN111325695B 公开(公告)日: 2023-04-07
发明(设计)人: 胡战利;梁栋;黄振兴;杨永峰;刘新;郑海荣 申请(专利权)人: 深圳先进技术研究院
主分类号: G06T5/00 分类号: G06T5/00;G06T11/00;G06F18/25;G06V10/82;A61B6/03
代理公司: 北京维正专利代理有限公司 11508 代理人: 何星民
地址: 518000 广东省深圳市*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 剂量 等级 图像 增强 方法 系统 存储 介质
【权利要求书】:

1.一种基于多剂量等级的低剂量图像增强方法,其特征是:包括:

获取当前输入图像信息,所述输入图像信息包括低剂量图像信息;

将当前输入图像信息反馈至所构建的剂量等级评估模型以对当前输入图像信息进行评估剂量等级并形成与当前输入图像信息相互对应的当前剂量等级信息;

根据所构建的特征变换模块以对当前剂量等级信息进行特征变换处理并形成当前变换信息;

根据所构建的级联融合模型以对当前输入图像信息进行特征提取并获取当前图像特征信息;并将当前图像特征信息与当前变换信息进行融合以形成当前重建图像信息。

2.根据权利要求1所述的基于多剂量等级的低剂量图像增强方法,其特征是:所述剂量等级评估模型包括依次连接的多个卷积层以及两个全连接层,且除去最后一个卷积层之外的每个卷积层后依次连接有ReLU激活函数、批量正则化层和最大池化层,其中,卷积层采用3x3卷积核。

3.根据权利要求1所述的基于多剂量等级的低剂量图像增强方法,其特征是:对当前输入图像信息进行剂量等级评估的损失函数采用交叉熵损失。

4.根据权利要求1所述的基于多剂量等级的低剂量图像增强方法,其特征是:通过特征变换模块以对当前剂量等级信息进行特征变换处理并形成当前变换信息的方法如下:

对当前输入图像信息进行特征提取并获取当前图像特征信息;

将当前剂量等级信息进行预处理以形成当前剂量等级预处理信息;

根据当前剂量等级预处理信息与当前图像特征信息进行点乘处理以缩放矩阵并形成当前缩放处理信息;

根据当前剂量等级预处理信息与当前缩放处理信息相加以形成当前变换信息;

特征变换处理采用特征变换函数G,具体如下:

(A,B)=G(P)

其中,A为缩放操作,B为偏移操作。

5.根据权利要求4所述的基于多剂量等级的低剂量图像增强方法,其特征是:所述级联融合模型包括多个级联融合模块,每一个级联融合模块对应有一个特征变换模块,级联融合模块为特征变换模块提供图像特征信息;多个级联融合模块依次对所输入的图像进行特征提取并获取对应的图像特征信息并将图像特征信息与对应变换信息进行融合以形成拟对应合图像信息;

其中,特征融合过程可以表示为:

Fout=Fin+f(Fb,A*Fb+B)

Fin和Fout代表输入和输出特征图,(A,B)代表该模块的特征转换操作,即A为缩放操作,B为偏移操作;f为融合操作,Fb为基本图像特征。

6.根据权利要求5所述的基于多剂量等级的低剂量图像增强方法,其特征是:所述级联融合模块依次包括下采样层、上采样层和特征融合层。

7.根据权利要求1所述的基于多剂量等级的低剂量图像增强方法,其特征是:将当前图像特征信息与当前变换信息进行融合的损失函数采用平均平方误差函数。

8.一种基于多剂量等级的低剂量图像增强系统,其特征是,包括:

图像输入模块:用于获取当前输入图像信息,所述输入图像信息包括低剂量图像信息;

图像剂量等级评估模块:用于将当前输入图像信息反馈至所构建的剂量等级评估模型以对当前输入图像信息进行评估剂量等级并形成与当前输入图像信息相互对应的当前剂量等级信息;

图像融合模块:根据所构建的特征变换模块以对当前剂量等级信息进行特征变换处理并形成当前变换信息;根据所构建的级联融合模型以对当前输入图像信息进行特征提取并获取当前图像特征信息;并将当前图像特征信息与当前变换信息进行融合以形成当前重建图像信息。

9.一种计算机可读存储介质,其特征是,存储有能够被处理器加载执行时实现如权利要求1至7中任一项所述的基于多剂量等级的低剂量图像增强方法的程序。

10.一种计算机设备,其特征是:包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序,该程序能够被处理器加载执行时实现如权利要求1至7中任一项所述的基于多剂量等级的低剂量图像增强方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳先进技术研究院,未经深圳先进技术研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010132540.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top