申请/专利权人:哈尔滨工业大学;中广核研究院有限公司;中国广核电力股份有限公司
申请日:2023-06-01
公开(公告)日:2024-03-22
公开(公告)号:CN117745630A
主分类号:G06T7/00
分类号:G06T7/00;G06T7/62;G06V10/764;G06V10/30;G06V10/82;G06N3/0475;G06N3/094
优先权:["20230504 CN 2023104926465"]
专利状态码:在审-实质审查的生效
法律状态:2024.04.09#实质审查的生效;2024.03.22#公开
摘要:一种深度学习CT图像质量提升及可信度评估方法,属于CT成像技术领域,包括:利用低剂量CT或稀疏角度方式进行圆周CT扫描获取低质量CT图像;采用标准剂量CT或完整角度扫描方式获取标签图像数据,将配对图像输入pix2pix网络进行训练;将模型输出结果与标签数据同时输入图像可信度评估网络,并生成与CT图像尺寸一致的可信度热力图;最后根据人工设置的可信度威胁程度标准,由程序自动标注生成的高质量CT图像中的虚假信息。本发明可有效解决由于低剂量或稀疏投影导致图像中出现条纹伪影和图像模糊问题,同时可根据人工设置的可信度威胁标准标注出生成CT图像中存在的虚假信息,一定程度上缓解了深度学习模型鲁棒性低的问题。
主权项:1.一种深度学习CT图像质量提升及可信度评估方法,其特征在于,包括以下步骤:S1:获取二维圆周扫描场景下的低剂量或稀疏视角的低质量CT图像;S2:获取二维圆周扫描场景下的标准剂量或完整视角的高质量对照标签图像;S3:将步骤S1,S2中获取的两类图像配对并输入条件式对抗生成网络ConditionalAdversarialNetworks中进行训练;S4:将步骤S3中模型输出结果与S2步骤中获取的标签图像输入可信度评估网络Credibilityevaluationnetwork,生成与CT图像尺寸、分辨率一致的可信度热力图;S5:人工设置可信威胁程度标准,根据步骤S4中生成的可信度热力图,在生成的高质量CT图像中的对应位置标注出可能存在的虚假信息以及可信程度。
全文数据:
权利要求:
百度查询: 哈尔滨工业大学;中广核研究院有限公司;中国广核电力股份有限公司 一种深度学习CT图像质量提升及可信度评估方法
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。