[发明专利]一种自监督学习方法及应用在审
| 申请号： | 202010693415.7 | 申请日： | 2020-07-17 |
| 公开（公告）号： | CN111860836A | 公开（公告）日： | 2020-10-30 |
| 发明（设计）人： | 江洪伟;郑海荣;李彦明;万丽雯 | 申请（专利权）人： | 深圳高性能医疗器械国家研究院有限公司 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08;G06N3/04;G06T5/00 |
| 代理公司： | 北京市诚辉律师事务所 11430 | 代理人： | 范盈 |
| 地址： | 518000 广东省深圳市龙华区观澜街道新*** | 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： | 一种 监督 学习方法 应用 | ||
1.一种自监督学习方法，其特征在于：所述方法包括如下步骤：
步骤1：对图像噪声建模；
步骤2：从所述图像中产生当前像素的近似目标像素值，获取目标像素点；
步骤3：随机从所述图像中裁剪出图像块，从图像块中随机选取N个像素点，将目标像素点替换掉当前选取的像素点得到目标图像；
步骤4：训练网络，逐步达到收敛状态。
2.如权利要求1所述的自监督学习方法，其特征在于：所述步骤1中噪声图像由干净图像和噪声共同组成。
3.如权利要求1所述的自监督学习方法，其特征在于：所述步骤2中从输入的低剂量CT图像当前像素点的5×5邻域内随机选取像素点作为当前像素点的目标像素点。
4.如权利要求1所述的自监督学习方法，其特征在于：所述步骤3中随机从低剂量CT输入图像中裁剪出64×64像素大小的图像块xj。
5.如权利要求4所述的自监督学习方法，其特征在于：所述步骤3中图像块大于选取卷积神经网络的感受野。
6.如权利要求1所述的自监督学习方法，其特征在于：所述步骤3中N为图像块大小的十分之一。
7.如权利要求1所述的自监督学习方法，其特征在于：所述步骤4中训练网络包括计算所述N个像素点的损失。
8.如权利要求7所述的自监督学习方法，其特征在于：所述损失函数为均方误差损失函数。
9.如权利要求1～8中任一项所述的自监督学习方法，其特征在于：所述网络框架整体采用Unet结构，所述网络采用Adam优化器进行优化。
10.一种自监督学习的应用，其特征在于：将所述权利要求1～9中任一项所述的自监督学习方法应用于CT图像降噪或者MRI图像降噪。
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高性能医疗器械国家研究院有限公司，未经深圳高性能医疗器械国家研究院有限公司许可，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/202010693415.7/1.html，转载请声明来源钻瓜专利网。
- 上一篇：一种结构可靠的音乐设备
- 下一篇：一种双面施哑光釉青瓦还原烧成工艺
