[发明专利]一种基于深度学习的医疗图像增强方法在审
| 申请号： | 201910086181.7 | 申请日： | 2019-01-29 |
| 公开（公告）号： | CN109903225A | 公开（公告）日： | 2019-06-18 |
| 发明（设计）人： | 任盛;郭克华;郭海富 | 申请（专利权）人： | 中南大学 |
| 主分类号： | G06T3/40 | 分类号： | G06T3/40 |
| 代理公司： | 长沙正奇专利事务所有限责任公司 43113 | 代理人： | 马强;王娟 |
| 地址： | 410083 湖南*** | 国省代码： | 湖南;43 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的医疗图像增强方法，在原有训练数据集上添加医学影像数据，并结合医生的需求构建一个简单、易用的操作界面。针对医学影像超分辨率重建后边缘轮廓等细节信息不清晰，有可能影响医生诊断的问题，本发明提出基于深度残差网络的医学影像超分辨率方法，通过在相同的计算资源下堆叠更多层次，使用深度残差网络学习低分辨率图像到高分辨率图像的非线性映射，重建边缘轮廓清晰的超分辨率图像，辅助医生通过医学影像准确诊断病情，从而提高疾病确诊和治愈的可能性。 | ||
| 搜索关键词： | 医学影像 医疗图像 残差 超分辨率图像 超分辨率重建 低分辨率图像 高分辨率图像 医学影像数据 非线性映射 训练数据集 诊断 边缘轮廓 操作界面 超分辨率 辅助医生 疾病确诊 计算资源 网络学习 细节信息 影响医生 后边缘 清晰 堆叠 构建 学习 重建 医生 网络 | ||
【主权项】：
1.一种基于深度学习的医疗图像增强方法，其特征在于，包括以下步骤：1)构建基于深度残差网络的超分辨率模型；2)在超分辨率模型重建常用数据集DIV2K中加入医学影像数据，扩展训练规模，训练模型；3)封装训练好的超分辨率模型。
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中南大学，未经中南大学许可，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/patent/201910086181.7/，转载请声明来源钻瓜专利网。
