基于循环卷积神经网络的不成对低剂量CT图像重建方法

AITNT
正文
推荐专利
基于循环卷积神经网络的不成对低剂量CT图像重建方法
申请号:CN202510048520
申请日期:2025-01-13
公开号:CN119963677A
公开日期:2025-05-09
类型:发明专利
摘要
本发明涉及一种基于循环卷积神经网络的不成对低剂量CT图像重建方法,属于图像重建技术领域。包括:收集若干临床低剂量CT图像,形成原始图像数据集,并收集若干常规剂量CT图像,形成标签数据集;原始图像数据集和标签数据集构成训练数据集;构建不成对低剂量CT图像重建网络;通过训练数据集训练不成对低剂量CT图像重建网络,得到训练好的不成对低剂量CT图像重建网络;将待重建低剂量CT图像输入训练好的不成对低剂量CT图像重建网络,得到待重建低剂量CT图像的重建结果图像。该方法具有较好的去噪性能,去噪后的图像能够完整地保留细节,并且不存在过度平滑问题。
技术关键词
低剂量CT图像 循环卷积神经网络 原始图像数据 噪声信息 模块 噪声分量 离散小波变换 上采样 编码器 编解码 解码器 交互特征 图像重建技术 标签 输入端 训练集
系统为您推荐了相关专利信息
1
建筑结构效果图的生成方法、装置和计算机设备
建筑 大语言模型 模板 生成方法 计算机设备
2
一种用于极地活动信息的回传方法和装置
回传方法 序列 时序预测模型 数字数据处理方法 运动特征
3
基于语义超图的数据管理方法、装置、电子设备及介质
车辆事件数据 数据管理方法 语义 图片 实体
4
基于槽间关系学习的对话状态跟踪方法及系统
对话状态跟踪方法 深度学习网络模型 编码器 主题 聚类
5
一种业务流程数据处理的方法和装置
人机交互模块 业务系统数据库 数据获取模块 数据处理模块 附件
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号