摘要
本发明提供了一种基于CT图像层厚重建的高精度图像生成方法及系统,该方法通过获取预设扫描层厚的各扫描图,并对各所述扫描图进行重建,得到层厚不同的第一扫描图和第二扫描图;构建神经网络模型,所述神经网络模型包括X、Y、Z三个平面的重构网络,X、Y、Z三个平面的重构网络均由卷积层、栅格模块、特征融合模块以及上采样输出模块组成;将训练数据库的扫描图输入神经网络模型中进行训练,在预先构建好的深度学习网络损失的作用下,训练得到目标神经网络模型;将预设厚度的扫描图输入目标神经网络模型中,输出目标厚度的扫描图,以获得高精度的薄层CT图像,减少存储需求,方便文件传输,减轻用户工作量。
技术关键词
图像生成方法
输出模块
构建深度学习网络
栅格
上采样
输入神经网络模型
重构
图像生成系统
处理器
输入模块
矩阵
优化器
可读存储介质
存储器
像素
系统为您推荐了相关专利信息
大型底栖无脊椎动物
监测点
平原型河流
监测方法
大坝
调校方法
青少年
调校系统
交互式学习平台
强化学习算法
卫星遥感影像
卷积模块
多尺度特征
分辨率
多空间
耕地变化检测方法
特征金字塔
影像
特征提取模块
注意力机制