申请/专利权人：苏州工业园区智在天下科技有限公司

申请日：2020-09-16

公开（公告）日：2024-04-16

公开（公告）号：CN112085809B

主分类号：G06T11/00

分类号：G06T11/00;G06T7/11;G06T7/136;G06N3/0455;G06N3/0464;G06N3/048;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2021.01.01#实质审查的生效;2020.12.15#公开

摘要：本发明提供一种神经网络的训练方法、消除金属伪影的方法及其装置，所述神经网络模型包括第一神经网络、快速滤波反投影算子和第二神经网络；第一神经网络用于接收含有伪影的投影数据Sma和Sma对应的金属投影数据Mp，减弱Sma上的金属伪影并得到投影Sse；所述快速滤波反投影算子用于对投影Sse进行重建处理并得到图像Xse，以及对投影Sma进行重建处理并得到图像Xma；第二神经网络用于在图像域上、对图像Xse和Xma进行减弱二次金属伪影的处理，最终输出消除伪影的图像。基于若干投影数据Sma、以及每个Sma对应的金属投影数据Mp，以及相对应的不含伪影的投影标签Sgt和重建图像标签Xgt，对所述神经网络模型进行训练。该神经网络模型能够很好的去除金属伪影。

主权项：1.一种神经网络的训练方法，其特征在于，包括以下步骤：获取投影数据Sma、二值图Xm和Sma对应的金属投影数据Mp，所述投影数据Sma包含金属伪影，在所述二值图Xm中，值为1的像素值用于表征金属的形状；创建神经网络模型，所述神经网络模型包括第一神经网络、快速滤波反投影算子和第二神经网络；第一神经网络用于接收Sma和Mp，减弱Sma上的金属伪影并得到投影Sse；所述快速滤波反投影算子用于对投影Sse进行重建处理并得到图像Xse，以及对投影Sma进行重建处理并得到图像Xma，并且滤波反投影算子是可微的，能够将第二神经网络的训练中的梯度前向传播至第一神经网络；第二神经网络用于在图像域上，结合金属二值图Xm对图像Xse和Xma进行减弱二次金属伪影的处理；基于若干投影数据Sma、以及每个Sma对应的金属投影数据Mp，对所述神经网络模型进行有监督的训练。

全文数据：

权利要求：

百度查询： 苏州工业园区智在天下科技有限公司 神经网络的训练方法、消除金属伪影的方法及其装置

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