[发明专利]一种基于无监督学习的CT图像恢复方法在审
| 申请号： | 201910827296.7 | 申请日： | 2019-09-03 |
| 公开（公告）号： | CN110675461A | 公开（公告）日： | 2020-01-10 |
| 发明（设计）人： | 史再峰;王仲琦;罗韬;曹清洁;李慧龙 | 申请（专利权）人： | 天津大学 |
| 主分类号： | G06T11/00 | 分类号： | G06T11/00;G06T5/00 |
| 代理公司： | 12209 天津盛理知识产权代理有限公司 | 代理人： | 王利文 |
| 地址： | 300074*** | 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： | 本发明涉及一种基于无监督学习的CT图像恢复方法，其主要技术特点是：准备存在严重金属伪影的CT影像数据集和无金属伪影的CT影像数据集；使用卷积神经网络构建编码器；使用生成器生成受伪影影响的图像和无伪影图像：构建解纠缠GAN网络的损失函数；使用完整的数据集对整个解纠缠GAN网络进行大规模迭代训练；使用存在金属伪影的CT影像作为测试数据集，得到基于无监督深度学习的CT图像恢复模型，将真实的测试数据输入后，最终得到消除了金属伪影的的高质量CT图像。本发明利用深度生成对抗卷积神经网络在无监督条件下消除CT影像中存在的金属伪影，实现了对受金属伪影影响的CT图像的高质量恢复，能够更好地在实际中应用。 | ||
| 搜索关键词： | 金属伪影 数据集 卷积神经网络 无监督 构建 测试数据集 无监督学习 测试数据 迭代训练 技术特点 损失函数 伪影图像 质量恢复 编码器 生成器 伪影 恢复 网络 图像 对抗 应用 学习 | ||
【主权项】：
1.一种基于无监督学习的CT图像恢复方法，其特征在于包括以下步骤：/n步骤1、准备如下数据集：存在严重金属伪影的CT影像数据集x和无金属伪影的CT影像数据集y，其中x∈A，A是所有受金属伪影影响的CT影像的域，y∈B，B为所有无金属伪影CT影像的域：/n步骤2、使用卷积神经网络构建编码器，其中，编码器E
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/201910827296.7/，转载请声明来源钻瓜专利网。
