摘要
本发明公开了一种基于图卷积网络的磁共振图像结构特征增强方法,S1.获取磁共振图像,并对所述磁共振图像进行预处理;S2.利用自监督聚类算法对预处理后的磁共振图像进行自适应区域分割,并形成区域分割结果;S3.构建动态图结构;S4.将所构建的动态图输入图卷积网络;S5.在图卷积网络中实施多尺度特征聚合机制,依据节点的关键结构属性自适应调整节点特征的融合权重;S6.将图卷积网络中聚合的多尺度特征通过图重构模块映射回磁共振图像空间,采用特征反变换与图像融合策略重构出结构特征增强后的磁共振图像。本发明实现了对磁共振图像关键结构区域的精准增强,同时保持了整体图像的平滑性和一致性。
技术关键词
磁共振图像数据
节点特征
图像融合策略
像素
连续性
多尺度特征
非局部均值滤波方法
网络
矩阵
灰度特征
对比度
组织
噪声抑制
重构模块
局部纹理特征
聚类算法
系统为您推荐了相关专利信息
入侵监控方法
电力设备
像素点
声纹特征
神经网络模型
病例推荐方法
文本特征向量
图像特征向量
患者
全卷积神经网络
累积分布函数
智能图像处理
原始图像数据
图像增强方法
直方图均衡化
融合深度学习
多级阈值分割
多维特征向量
模糊支持向量机
高维特征向量