申请/专利权人：皇家飞利浦有限公司

申请日：2021-08-26

公开（公告）日：2023-05-23

公开（公告）号：CN116157826A

主分类号：G06T5/20

分类号：G06T5/20

优先权：["20200903 EP 20194246.3"]

专利状态码：在审-实质审查的生效

法律状态：2023.09.22#实质审查的生效;2023.05.23#公开

摘要：一种训练系统TS，用于训练用于医学图像中的图像质量增强的机器学习模型。该系统包括用于接收训练输入图像的输入界面该系统TS包括生成对抗型的人工神经网络模型框架G，D，其包括生成器网络G和判别器网络D。生成网络G处理训练输入图像以产生训练输出图像该系统的缩小器DS将训练输入图像缩小。判别器尝试对缩小的训练输入图像I'和训练输出图像进行判别，以产生判别结果。训练控制器TC基于判别结果调整人工神经网络模型框架的参数。

主权项：1.一种训练系统TS，所述训练系统用于训练用于医学图像中的图像质量增强的机器学习模型，所述训练系统包括：用于接收训练输入图像的输入界面；生成对抗型的人工神经网络模型G，D框架，所述人工神经网络模型框架包括生成器网络G和判别器网络D；所述生成网络G被配置为处理所述训练输入图像以产生训练输出图像缩小器DS，所述缩小器被配置为缩小所述训练输入图像，并且所述判别器被配置为在缩小的所述训练输入图像I'和所述训练输出图像之间进行判别，以产生判别结果lf，lg，以及训练控制器TC，所述训练控制器被配置为基于所述判别结果lf，lg调整所述人工神经网络模型框架的参数，其中，所述生成器G包括第一部分P1，所述第一部分具有包括两个处理线的架构，所述两个处理线成复杂度降低器线SE和复杂度增强器线SR，所述复杂度降低器线SE用于处理输入图像以获得具有比所述输入图像更简单的表示的第一中间图像，而所述复杂度增强器线SR用于变换所述中间图像以获得具有比所述中间图像更复杂的表示的第二中间图像S'，其中，所述生成器G包括第二部分P2，所述第二部分被配置为将所述第二中间图像S'处理成第三中间图像N，以降低所述第三中间图像中的噪声，并将如此获得的噪声降低的噪声图像N'与所述第二中间图像S'相组合以获得所述训练输出图像。

全文数据：

权利要求：

百度查询： 皇家飞利浦有限公司 深度无监督的图像质量增强

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD