[发明专利]基于深度学习的医学图像重构系统、方法、终端、及介质在审
申请号: | 201910213832.4 | 申请日: | 2019-03-20 |
公开(公告)号: | CN111724450A | 公开(公告)日: | 2020-09-29 |
发明(设计)人: | 高飞;兰恒荣 | 申请(专利权)人: | 上海科技大学 |
主分类号: | G06T11/00 | 分类号: | G06T11/00;G06N3/04 |
代理公司: | 上海光华专利事务所(普通合伙) 31219 | 代理人: | 倪静 |
地址: | 201210 上*** | 国省代码: | 上海;31 |
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 深度 学习 医学 图像 系统 方法 终端 介质 | ||
1.一种基于深度学习的医学图像重构系统,其特征在于,包括:
第一神经网络模块,其以原始光声信号经初步重构处理后所得的近似医学图像信号作为输入信号;
第二神经网络模块,其以所述原始光声信号作为输入信号;
第三神经网络模块,其以所述第一神经网络模块及第二神经网络模块的输出信号作为输入信号,据以输出图像质量优于所述近似医学图像的医学图像。
2.根据权利要求1所述的系统,其特征在于,所述第一神经网络模块包括多层神经网络;其中,多层神经网络中的底层神经网络包括多层卷积层,其它层包括卷积层、池化层以及激活函数层。
3.根据权利要求2所述的系统,其特征在于,所述第一神经网络模块的底层神经网络包括尺寸为3x3的卷积层;所述第一神经网络模块的其它层均包括尺寸为3x3的卷积核的卷积层、最大池化层、以及以ReLU函数作为激活函数的激活函数层。
4.根据权利要求1所述的系统,其特征在于,所述第二神经网络模块包括多层神经网络;其中,多层神经网络中的底层神经网络包括多层卷积层,其它层包括卷积层、池化层以及激活函数层。
5.根据权利要求4所述的系统,其特征在于,所述第二神经网络模块的底层神经网络包括尺寸为3x3的卷积层以及尺寸为20x3的卷积层;所述第二神经网络模块的其它层均包括尺寸为3x3的卷积核的卷积层、最大池化层、以及以ReLU函数作为激活函数的激活函数层。
6.根据权利要求1所述的系统,其特征在于,所述系统还包括:
偏差计算模块,用于通过梯度下降算法迭代计算所述第三神经网络模块的输出值与真实值之间的偏差,直至所述医学图像重构系统趋于收敛。
7.一种基于深度学习的医学图像重构方法,其特征在于,包括:
接收以原始光声信号经初步重构处理后所得的近似医学图像信号作为输入信号的第一输入信号;
接收以原始光声信号作为输入信号的第二输入信号;
根据所述第一输入信号和第二输入信号,相应输出图像质量优于所述近似医学图像的医学图像。
8.根据权利要求7所述的方法,其特征在于,包括:
通过梯度下降算法迭代计算所述方法输出的图像质量与真实图像的质量之间的偏差,直至该算法趋于收敛。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求7至8中任一项所述基于深度学习的医学图像重构方法。
10.一种电子终端,其特征在于,包括:处理器及存储器;
所述存储器用于存储计算机程序;
所述处理器用于执行所述存储器存储的计算机程序,以使所述终端执行如权利要求7至8中任一项所述基于深度学习的医学图像重构方法。
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上海科技大学,未经上海科技大学许可,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/201910213832.4/1.html,转载请声明来源钻瓜专利网。
- 上一篇:气体水合物颗粒及其形成方法
- 下一篇:行人再识别方法、装置及存储介质