[发明专利]一种基于深度学习去除稀疏角度CT成像伪影的方法在审
| 申请号： | 201910426263.1 | 申请日： | 2019-05-21 |
| 公开（公告）号： | CN110211194A | 公开（公告）日： | 2019-09-06 |
| 发明（设计）人： | 王志辉;朱炯滔;王成 | 申请（专利权）人： | 武汉理工大学 |
| 主分类号： | G06T11/00 | 分类号： | G06T11/00 |
| 代理公司： | 武汉天力专利事务所 42208 | 代理人： | 吴晓颖 |
| 地址： | 430070 湖*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于X射线CT成像技术领域，提供一种基于深度学习去除稀疏角度CT成像伪影的方法，包括（1）生成神经网络训练数据：首先将全角度CT图像做全角度采集，得到Full_Sino图像，然后每隔一段固定的行间距进行抽取，生成Spare_Sino图像；（2）将生成好的Spare_Sino图像按3张或多张为一组生成3D图像作为训练数据，将全角度CT图像作为标签数据，一起送入到神经网络中进行训练；（3）在真实情况下采集一周共45个角度的Spare_Sino图像；（4）将采集到的Spare_Sino图像3张或多张为一组数据送入到训练好的神经网络当中，神经网络处理后输出去除伪影的CT图像。本发明方法可以有效的去除由于采样稀疏而导致的伪影，提升了图像的视觉质量。 | ||
| 搜索关键词： | 图像 伪影 去除 稀疏 神经网络 采集 送入 神经网络处理 神经网络训练 标签数据 训练数据 固定的 组生成 组数据 采样 抽取 视觉 输出 学习 | ||
【主权项】：
1.一种基于深度学习去除稀疏角度CT成像伪影的方法，其特征在于该方法包括以下步骤：（1）生成神经网络训练数据：首先将全角度CT图像做全角度采集，得到Full_Sino图像，然后每隔一段固定的行间距进行抽取，生成Spare_Sino图像；（2）训练神经网络：将生成好的Spare_Sino图像按3张或多张为一组生成3D图像作为训练数据，将全角度CT图像作为标签数据，一起送入到神经网络中进行训练；（3）采集数据：在真实情况下采集一周共45个角度的Spare_Sino图像；（4）输出最终图像：将采集到的Spare_Sino图像3张或多张为一组数据送入到训练好的神经网络当中，神经网络处理后输出去除伪影的CT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武汉理工大学，未经武汉理工大学许可，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/201910426263.1/，转载请声明来源钻瓜专利网。
- 彩色图像和单色图像的图像处理
- 图像编码/图像解码方法以及图像编码/图像解码装置
- 图像处理装置、图像形成装置、图像读取装置、图像处理方法
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序以及图像解码程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序、以及图像解码程序
- 图像形成设备、图像形成系统和图像形成方法
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
