[发明专利]一种基于生成对抗网络和3D残差编码解码的医学图像降噪方法在审
| 申请号： | 201910596650.X | 申请日： | 2019-07-01 |
| 公开（公告）号： | CN110298804A | 公开（公告）日： | 2019-10-01 |
| 发明（设计）人： | 滕月阳;龚宇 | 申请（专利权）人： | 东北大学 |
| 主分类号： | G06T5/00 | 分类号： | G06T5/00;G06N3/04 |
| 代理公司： | 大连东方专利代理有限责任公司 21212 | 代理人： | 李馨 |
| 地址： | 110819 辽宁*** | 国省代码： | 辽宁;21 |
| 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生成对抗网络和3D残差编码解码的医学图像降噪方法，包括：分类收集训练数据并对所述训练数据进行预处理，所述训练数据包括低质量图像和高质量图像；构建基于生成对抗网络和3D残差编码解码的卷积神经网络，利用扫描时间为75s、尺寸为N*9*64*64*1的低质量图像作为训练输入，扫描时间为150s、尺寸为N*9*64*64*1的高质量图像作为训练标签，对所述网络进行训练；利用训练后的卷积神经网络对高噪图像降噪，得到高质量图像。应用本发明技术方案可实现利用少量数据对模型进行训练后即可对任意高噪正电子发射计算机断层图像进行准确、快速的降噪。 | ||
| 搜索关键词： | 高质量图像 解码 残差编码 训练数据 降噪 卷积神经网络 低质量图像 医学图像 对抗 网络 正电子发射计算机断层 扫描 预处理 分类收集 图像降噪 构建 标签 图像 应用 | ||
【主权项】：
1.基于生成对抗网络和3D残差编码解码的医学图像降噪方法，其特征在于，步骤包括：S100、分类收集训练数据并对所述训练数据进行预处理，所述训练数据包括低质量图像和高质量图像；S200、构建基于生成对抗网络和3D残差编码解码的卷积神经网络，利用扫描时间为75s、尺寸为N*9*64*64*1的低质量图像作为训练输入，扫描时间为150s、尺寸为N*9*64*64*1的高质量图像作为训练标签，对所述网络进行训练，具体包括：S210、设置生成对抗网络各部参数，包括：将生成器设置为包括4个3D卷积层、3个2D卷积层和4个2D反卷积层，将鉴别器设置为包括6个2D卷积层和2个全连接层，将感知特征提取网络设置为包括16个2D卷积层和4个2D池化层；S220、将预处理后的低质量图像作为网络的训练输入、高质量图像作为网络训练标签，对模型进行训练；S300、利用训练后的卷积神经网络对高噪图像降噪，得到高质量图像。
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东北大学，未经东北大学许可，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/201910596650.X/，转载请声明来源钻瓜专利网。
