[发明专利]一种由单能CT图像生成双能CT图像的方法在审
| 申请号： | 201910368259.4 | 申请日： | 2019-05-05 |
| 公开（公告）号： | CN110176045A | 公开（公告）日： | 2019-08-27 |
| 发明（设计）人： | 陈阳;吕天翎;罗立民;李松毅;鲍旭东 | 申请（专利权）人： | 东南大学 |
| 主分类号： | G06T11/00 | 分类号： | G06T11/00;G06N3/04 |
| 代理公司： | 南京苏高专利商标事务所(普通合伙) 32204 | 代理人： | 康燕文 |
| 地址： | 211102 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种由单能CT图像生成双能CT图像的方法。首先需要获取一定数量的双能CT图像；之后利用去噪卷积神经网络对双能CT图像进行去噪，得到去噪后的低能图像和高能图像；训练二维卷积神经网络，网络的输入为去噪后的低能图像，输出为去噪后高能图像和低能图像的差；利用去噪卷积神经网络对获得的CT图像进行去噪得到去噪后的单能CT图像；将去噪后的单能CT图像输入之前训练好的二维卷积神经网络得到估计的高低能图像差异，该差异与最初低能级下单能CT图像的和为估计的高能级CT图像；将最初低能级下单能CT图像和估计的高能级CT图像组合得到估计的双能CT图像。本发明可以有效的由单能CT图像估计双能CT图像，从而为临床诊断提供更多信息。 | ||
| 搜索关键词： | 去噪 低能图像 卷积神经网络 二维卷积 高能图像 神经网络 低能级 高能级 临床诊断 图像差异 输出 网络 | ||
【主权项】：
1.一种由单能CT图像生成双能CT图像的方法，其特征在于，包括以下步骤：(1)获取双能CT图像组IDE，每个图像组包括一张低能图像ILE和一张对应的高能图像IHE；(2)利用去噪卷积神经网络模型MDenoise对低能图像ILE和高能图像IHE进行预处理，得到去噪后的低能图像ILED和去噪后的高能图像IHED；(3)计算去噪后的低能图像ILED和去噪后的高能图像IHED的差Idif；(4)利用去噪后的低能图像ILED和对应的差Idif训练二维卷积神经网络Nest，得到二维模型Mest；(5)获得单能CT图像ISE；(6)利用去噪卷积神经网络模型MDenoise对单能CT图像ISE进行预处理，得到去噪后的单能CT图像ISED；(7)将去噪后的单能CT图像ISED输入到训练好的二维模型Mest中，得到估计的高低能图像差IS_dif；(8)计算单能CT图像ISE和估计的高低能图像差IS_dif的和，即估计的高能图像ISHE；(9)将单能CT图像ISE和估计的高能CT图像ISHE组合，得到最终估计的双能CT图像组IDEE。
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东南大学，未经东南大学许可，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/201910368259.4/，转载请声明来源钻瓜专利网。
