龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：西安电子科技大学
摘要：本发明提出了一种基于各向异性扩散网络的PG‑SPECT图像重建方法，实现步骤为：获取训练样本集和测试样本集；构建各向异性扩散神经网络模型O；对各向异性扩散神经网络模型O进行迭代训练；获取图像重建结果。本发明在对重建模型进行训练的过程中，所构建的基于各向异性扩散网络的PG‑SPECT图像超分辨重建模型中的光滑粒子网络能够通过扩大卷积接受域，有效保留PG‑SPECT图像的上下文信息和内容细节；各向异性扩散神经网络在图像重建过程中引导PG‑SPECT图像进行特征的分层扩散，从而生成结构更精细、噪声更小的图像；实验结果表明，本发明能够有效提高PG‑SPECT图像重建的分辨率。
主权项：1.一种基于各向异性扩散网络的PG-SPECT图像重建方法，其特征在于，包括以下步骤：1获取训练样本集和测试样本集：对获取的K幅PG-SPECT图像进行预处理后对N幅预处理后的PG-SPECT图像进行降采样，并将降采样后的PG-SPECT图像作为对应预处理后的PG-SPECT图像的标签，然后将N幅预处理后的PG-SPECT图像及其标签组成训练样本集R1，将剩余的预处理后的PG-SPECT图像组成测试样本集E1，其中，K≥600，2构建基于各向异性扩散网络的重建模型O：构建包括级联的由并行排布的光滑粒子网络和各向异性扩散神经网络组成的超分子网络、融合模块和上采样模块的重建模型O；其中，光滑粒子网络，用于对每个样本进行初步重建；各向异性扩散神经网络，用于对每个样本进行特征分层扩散；融合模块，用于对每个样本的重建结果与特征分层扩散结果进行逐元素融合；上采样模块用于对融合得到的富含细节信息的重建特征图进行上采样；3对重建模型O进行迭代训练：将训练样本集R1作为基于各向异性扩散网络的重建模型O的输入对其进行迭代训练，得到训练好的重建模型O*；4获取PG-SPECT图像的重建结果：将测试样本集E1作为训练好的重建模型O*的输入进行前向传播，得到所有测试样本对应的PG-SPECT重建图像。
全文数据：
权利要求：
百度查询： 西安电子科技大学 基于各向异性扩散网络的PG-SPECT图像重建方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号