[发明专利]一种级联医学图像增强方法有效
申请号: | 202110113305.3 | 申请日: | 2021-01-27 |
公开(公告)号: | CN112767377B | 公开(公告)日: | 2022-07-05 |
发明(设计)人: | 林劼;党元;李继演;伍双楠;王勇 | 申请(专利权)人: | 电子科技大学 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T5/00;G06V10/74;G06V10/774;G06V10/82;G06K9/62;G06N3/04;G06N3/08 |
代理公司: | 成都金英专利代理事务所(普通合伙) 51218 | 代理人: | 袁英 |
地址: | 610041 四川省成*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 级联 医学 图像 增强 方法 | ||
1.一种级联医学图像增强方法,其特征在于,包括以下步骤:
步骤1:带血污图像的生成,清晰医学图像和随机噪声联合输入,用深度学习模型1处理联合输入的图像特征,得到带血污图像;
步骤2:带血污图像的判别,用深度学习模型2处理生成的带血污的图像和纯血污原图像,判断两张图像是否相似;若不相似,则更新深度学习模型2的神经网络梯度;若相似则跳转到步骤3;
步骤3:清晰图像的级联生成,清晰图像的级联生成分为三个阶段,在第一阶段,带血污图像输入生成网络VQ-VAE,生成血污残差图像,将血污残差图像与清晰医学图像相加得到清晰图像,以得到清晰图像作为带血污图像输入第二阶段;第二阶段和第三阶段重复第一阶段步骤,并以第三阶段输出的清晰图像作为最后的清晰图像结果。
2.根据权利要求1所述的一种级联医学图像增强方法,其特征在于,所述步骤1包括以下子步骤:
步骤101:准备训练样本,训练样本为清晰医学图像和纯血污原图像;
步骤102:神经网络设计,训练网络是神经网络池化层和卷积层组合成的生成网络;
步骤103:首先,对于清晰医学图像,进行两次卷积操作,具体为:图像特征维数为3×4n×4n的清晰医学图像Iclear一次卷积后得到维数为b×2n×2n的图像特征F2,F2再一次卷积后得到维数为a×n×n图像特征F1;其中a,b,n均为正整数;然后,生成维数为1×1×m的噪声N0,调整噪声的结构得到维数为a×n×n噪声N1,其中m=a×n×n;N1+F1作为输入进行一次上采样和卷积得到维数为b×2n×2n噪声N2;N2+F2作为输入进行一次上采样和卷积得到维数为3×4n×4n噪声N3,N3+Iclear得到维数为3×4n×4n带血污图像Inoise。
3.根据权利要求2所述的一种级联医学图像增强方法,其特征在于,所述图像特征维数表示为O×P×Q,其中O表示通道数,P表示长度,Q表示宽度,且O,P,Q均为正整数。
4.根据权利要求1所述的一种级联医学图像增强方法,其特征在于,所述步骤2包括以下子步骤:
步骤201:准备训练样本,训练样本为带血污图像和纯血污原图像;
步骤202:神经网络设计,判别网络是卷积神经网络;
步骤203:首先,对于生成网络生成的带血污图像,依次进行两次卷积操作和一次全连接操作,得到维度为1×1的特征F;对于纯血污原图像,进行与带血污图像相同的处理,得到维度为1×1的特征F';然后,计算F与F'损失;更新设计的神经网络的梯度。
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电子科技大学,未经电子科技大学许可,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/202110113305.3/1.html,转载请声明来源钻瓜专利网。
- 彩色图像和单色图像的图像处理
- 图像编码/图像解码方法以及图像编码/图像解码装置
- 图像处理装置、图像形成装置、图像读取装置、图像处理方法
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序以及图像解码程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序、以及图像解码程序
- 图像形成设备、图像形成系统和图像形成方法
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序