申请/专利权人：重庆邮电大学

申请日：2023-11-24

公开（公告）日：2024-04-02

公开（公告）号：CN117808911A

主分类号：G06T11/00

分类号：G06T11/00;G06T7/80;G06T7/73;G06N3/0464;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.19#实质审查的生效;2024.04.02#公开

摘要：本发明属于CT重建技术领域，具体涉及一种基于深度学习的锥形束CT重建方法；该方法包括：获取原始CT数据集并对其进行预处理，得到2D投影数据；将2D投影数据输入到U‑net网络中进行处理，得到2D投影特征；将目标点投影到2D投影数据上，根据2D投影特征获取目标点在2D投影数据上的特征向量；采用第一多层感知机聚合目标点的特征向量和位置信息，得到目标点的位置感知特征向量；采用注意力聚合机制对位置感知特征向量进行处理，得到聚合特征向量；将聚合特征向量输入到第二多层感知机中进行处理，得到目标点的密度值；本发明在稀疏视角下也能够有较好的效果，提高了密度预测的准确性。

主权项：1.一种基于深度学习的锥形束CT重建方法，其特征在于，包括：S1：获取原始CT数据集并对其进行预处理，得到2D投影数据；S2：将2D投影数据输入到U-net网络中进行处理，得到2D投影特征；S3：根据2D投影特征获取目标点在2D投影数据上的特征向量；S4：采用第一多层感知机聚合目标点的特征向量和位置信息，得到目标点的位置感知特征向量；S5：采用注意力聚合机制对位置感知特征向量进行处理，得到聚合特征向量；S6：将聚合特征向量输入到第二多层感知机中进行处理，得到目标点的密度值。

全文数据：

权利要求：

百度查询： 重庆邮电大学 一种基于深度学习的锥形束CT重建方法

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。

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