[发明专利]一种基于卷积神经网络的低剂量CT图像分解方法有效
| 申请号： | 201810706749.6 | 申请日： | 2018-06-28 |
| 公开（公告）号： | CN108961237B | 公开（公告）日： | 2020-08-21 |
| 发明（设计）人： | 亢艳芹;刘进;刘涛;章平;朱巾亭;张凯杰 | 申请（专利权）人： | 安徽工程大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T5/00;G06T11/00 |
| 代理公司： | 安徽知问律师事务所 34134 | 代理人： | 吴雪健;刘佳伟 |
| 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低剂量CT图像分解方法，属于X射线计算机断层成像技术领域。本发明包括以下步骤：步骤1、分别重建出训练图像：低剂量CT图像 |
||
| 搜索关键词： | 一种 基于 卷积 神经网络 剂量 ct 图像 分解 方法 | ||
【主权项】：
1.一种基于卷积神经网络的低剂量CT图像分解方法，其特征在于，包括以下步骤：步骤1、分别获得若干组匹配的低剂量CT投影数据和常规剂量的CT投影数据，并分别重建出相应的训练图像：低剂量CT图像Vsld和常规剂量CT图像Vsrd，将低剂量CT图像Vsld和常规剂量CT图像Vsrd相减以获得噪声伪影图像![]()
步骤2、构建低剂量CT图像Vsld与噪声伪影图像Ns之间的映射卷积神经网络；步骤3、使用一定量低剂量CT图像Vsld与相应的噪声伪影图像Ns对己构建好的卷积神经网络进行训练；步骤4、利用训练好的卷积神经网络处理选定的低剂量CT图像Vsld，实现选定的低剂量CT图像Vsld中解剖结构成分与噪声伪影结构成分的分解。
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/201810706749.6/，转载请声明来源钻瓜专利网。
