基于卷积神经网络的低剂量Sinogram去噪与PET图像...
实质审查的生效
摘要
本发明公开了一种基于卷积神经网络的低剂量Sinogram去噪与PET图像重建方法，其将重建问题拆分成投影域去噪、投影域到图像域重建、图像域去噪三个子问题，分别用金字塔卷积加权去噪模块、改进的滤波反投影层、改进的去噪卷积神经网络解决；金字塔卷积加权去噪模块将低剂量的投影域数据Sinogram去噪，生成接近标准剂量的投影域数据，滤波反投影层将频域滤波器看作可学习的，由去噪后的投影域数据Sinogram重建含有噪声的重建图，改进的DnCNN去除重建图像中的少量噪声，从而获得高质量的重建图。本发明解决了深度学习用于图像重建时难以解释的问题，在低剂量的情况下，依然能够重建高质量的PET图像。
基本信息
专利标题 ：
基于卷积神经网络的低剂量Sinogram去噪与PET图像重建方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114387236A
申请号 ：
CN202111662814.8
公开（公告）日 ：
2022-04-22
申请日 ：
2021-12-31
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
刘华锋邱海祥
申请人 ：
浙江大学嘉兴研究院;浙江大学
申请人地址 ：
浙江省嘉兴市秀洲区智富中心48幢401室
代理机构 ：
杭州天勤知识产权代理有限公司
代理人 ：
王琛
优先权 ：
CN202111662814.8
主分类号 ：
G06T7/00
IPC分类号 ：
G06T7/00 G06T5/00 G06N3/04 G06N3/08
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06T
一般的图像数据处理或产生
G06T7/00
图像分析
法律状态
2022-05-10 ：
实质审查的生效
IPC(主分类) : G06T 7/00
申请日 : 20211231
申请日 : 20211231
2022-04-22 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
