摘要
本申请提供一种PET脑图像脉络膜显影消除方法及存储介质,包括图像获取步骤,预处理步骤,模型建立步骤,模型训练步骤以及输入步骤,通过采集TSPO(18F‑DPA714)和Tau蛋白(18F‑Florzolotau)PET阴性和阳性显影图像,结合神经退化性疾病如阿尔茨海默病(AD)和进行性核上性麻痹(PSP)的临床影像数据,利用GAN模型精确区分脉络膜的高代谢信号;采用深度学习的生成对抗网络,优化PET图像处理流程,减少脉络膜高显影信号的干扰;通过对比阳性和阴性显影图像,增强病变组织的显影精度实现了PET图像中脉络膜信号的自动消除,提高了影像分析的准确性。
技术关键词
消除方法
矩阵
PET图像处理
全局平均池化
计算机可读指令
神经退化性疾病
抑制背景干扰
滑动窗口采样
多通道特征
GAN模型
图像特征提取
阿尔茨海默病
生成对抗网络
高斯滤波器
多层感知器
注意力机制
系统为您推荐了相关专利信息
图像分类方法
深度神经网络
通道注意力机制
分支
参数
优化预测模型
优化神经网络模型
生成对抗网络
发动机系统
输入神经网络模型