[发明专利]一种基于卷积神经网络的稀疏角度CT成像方法有效
| 申请号： | 201810557240.X | 申请日： | 2018-06-01 |
| 公开（公告）号： | CN108898642B | 公开（公告）日： | 2022-11-11 |
| 发明（设计）人： | 亢艳芹;刘进;刘涛;章平;汪军;窦易文;修宇;张凯杰 | 申请（专利权）人： | 安徽工程大学 |
| 主分类号： | G06T11/00 | 分类号： | G06T11/00;G06N3/04;G06N3/08 |
| 代理公司： | 芜湖安汇知识产权代理有限公司 34107 | 代理人： | 方文倩 |
| 地址： | 241000 安*** | 国省代码： | 安徽;34 |
| 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卷积神经网络的稀疏角度CT成像方法，包括如下步骤：步骤1：准备网络所需训练数据集；步骤2：构建投影数据复原卷积神经网络Rs；步骤3、构建迭代重建卷积神经网络Re；步骤4：将步骤2和步骤3构建的投影数据复原卷积神经网络Rs和迭代重建卷积神经网络Re进行级联，构建深度级联卷积神经网络，并通过步骤1得到的数据对网络进行训练，得到整个深度级联卷积神经网络权重；步骤5：利用训练好的深度级联卷积神经网络，对临床稀疏角度扫描下的CT投影数据P |
||
| 搜索关键词： | 一种 基于 卷积 神经网络 稀疏 角度 ct 成像 方法 | ||
【主权项】：
1.一种基于卷积神经网络的稀疏角度CT成像方法，其特征在于，包括如下步骤：步骤1：准备网络所需训练数据集；步骤2：构建投影数据复原卷积神经网络Rs；步骤3：构建迭代重建卷积神经网络Re；步骤4：将步骤2和步骤3构建的投影数据复原卷积神经网络Rs和迭代重建卷积神经网络Re进行级联，构建深度级联卷积神经网络，并通过步骤1得到的数据对网络进行训练，获取整个深度级联卷积神经网络的权重；步骤5：利用训练好的深度级联卷积神经网络，对临床稀疏角度扫描下的CT投影数据Ps进行重建，得到高质量的CT图像V。
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安徽工程大学，未经安徽工程大学许可，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/201810557240.X/，转载请声明来源钻瓜专利网。
