[发明专利]基于稠密卷积神经网络的三维医学图像超分辨率重建方法在审
| 申请号： | 201811193597.0 | 申请日： | 2018-10-15 |
| 公开（公告）号： | CN109360152A | 公开（公告）日： | 2019-02-19 |
| 发明（设计）人： | 吕卫;张国帅;褚晶辉 | 申请（专利权）人： | 天津大学 |
| 主分类号： | G06T3/40 | 分类号： | G06T3/40;G06T17/00 |
| 代理公司： | 天津市北洋有限责任专利代理事务所 12201 | 代理人： | 李林娟 |
| 地址： | 300072*** | 国省代码： | 天津;12 |
| 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稠密卷积神经网络的三维医学图像超分辨率重建方法，包括：将人类连接组项目公开的数据集随机分成7：1：1：1四部分，第一部分作为训练集，第二部分用于验证及优化网络权重，第三部分用于评估选择的超参数，第四部分作为测试集；将低分辨率三维图像320*320*256分成64*64*64的小块，作为基于稠密连接结构的网络输入；计算重建图像与实际图像之间的误差，并将该误差由输出层向隐藏层逐层的反向传播，直至传播到输入层，经过不断的反馈优化直至误差不再减小，得到超分辨率重建的最优模型，并对最优模型进行训练；输入医学三维低分辨率图像，加载好训练好的模型，输出重建的高分辨率图像。 | ||
| 搜索关键词： | 超分辨率重建 稠密 卷积神经网络 三维医学图像 最优模型 低分辨率图像 高分辨率图像 低分辨率 反向传播 连接结构 三维图像 实际图像 重建图像 测试集 连接组 输出层 输入层 数据集 网络权 训练集 隐藏层 加载 减小 小块 优化 三维 验证 反馈 输出 医学 重建 评估 传播 网络 | ||
【主权项】：
1.一种基于稠密卷积神经网络的三维医学图像超分辨率重建方法，其特征在于，所述方法包括以下步骤：1)将人类连接组项目公开的数据集随机分成7：1：1：1四部分，第一部分作为训练集，第二部分用于验证及优化网络权重，第三部分用于评估选择的超参数，第四部分作为测试集；2)将低分辨率三维图像320*320*256分成64*64*64的小块，作为基于稠密连接结构的网络输入；其中，所述网络包括：归一化层、一个使用ELU组成的非线性映射部分和增长率k为24的卷积层；3)计算重建图像与实际图像之间的误差，并将该误差由输出层向隐藏层逐层的反向传播，直至传播到输入层，经过不断的反馈优化直至误差不再减小，得到超分辨率重建的最优模型，并对最优模型进行训练；4)输入医学三维低分辨率图像，加载好训练好的模型，输出重建的高分辨率图像。
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天津大学，未经天津大学许可，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/201811193597.0/，转载请声明来源钻瓜专利网。
