南京郵電大學謝世朋獲國家專利權
買專利賣專利找龍圖騰,真高效! 查專利查商標用IPTOP,全免費!專利年費監(jiān)控用IP管家,真方便!
龍圖騰網(wǎng)獲悉南京郵電大學申請的專利一種CBCT圖像去偽影方法獲國家發(fā)明授權專利權,本發(fā)明授權專利權由國家知識產(chǎn)權局授予,授權公告號為:CN114004912B 。
龍圖騰網(wǎng)通過國家知識產(chǎn)權局官網(wǎng)在2025-04-29發(fā)布的發(fā)明授權授權公告中獲悉:該發(fā)明授權的專利申請?zhí)?專利號為:202111313304.X,技術領域涉及:G06T11/00;該發(fā)明授權一種CBCT圖像去偽影方法是由謝世朋;嚴墨設計研發(fā)完成,并于2021-11-08向國家知識產(chǎn)權局提交的專利申請。
本一種CBCT圖像去偽影方法在說明書摘要公布了:本發(fā)明公開了一種CBCT圖像去偽影的方法,該方法基于contextualloss以及特征融合殘差網(wǎng)絡,首先對輸入的帶偽影的CBCT圖像和CT圖像進行特征提取,得到特征圖譜;將得到的特征圖經(jīng)過改進的以contextualloss為損失函數(shù)的特征融合殘差網(wǎng)絡訓練,學習CBCT與CT圖像之間的結構相似性,以CT圖像作為標簽,使得CBCT圖像能夠去除掉偽影但保持其結構不發(fā)生變化;最后將CBCT圖像作為輸入,利用訓練好的網(wǎng)絡模型進行偽影去除。該方法利用了contextualloss可以允許輸入圖像間的不對齊,可以很好的適用于CBCT與CT醫(yī)學圖像無法嚴格對其這一特點,最終實現(xiàn)一個快速有效的去除偽影的作用。
本發(fā)明授權一種CBCT圖像去偽影方法在權利要求書中公布了:1.一種CBCT圖像去偽影方法,其特征在于:所述方法基于contextualloss以及特征融合殘差網(wǎng)絡,包括以下幾個步驟:步驟1,對CBCT和CT數(shù)據(jù)進行預處理,將其處理為512*512大小的.raw格式圖像;步驟2,將前述經(jīng)過預處理的CBCT和CT數(shù)據(jù)經(jīng)過VGG19網(wǎng)絡提取圖像特征,以用于后續(xù)的訓練;步驟3,計算得到的CBCT和CT特征圖之間的結構相似度;具體內容如下:步驟3.1,計算特征相似度:采用基于余弦距離的contextualloss定義特征相似度,設si和tj分別是輸入CBCT圖像S和標簽CT圖像T經(jīng)過VGG19提取的特征,dij為特征間的余弦距離,其計算公式為: 其中;其中,N表示VGG19提取的特征數(shù)量,μt是對標簽圖像特征的歸一化;對于任意的k≠j時,dijdik,那么si和tj就是相似的;步驟3.2,計算圖像相似度:由特征間的相似度計算公式,進一步定義圖像間的相似度計算公式為: ;CX代表特征的相似度,CXij代表特征si和tj之間的相似度;使用一幅圖像與其自身計算相似度,可知其相似性為1,即CXii=1,所以有CXs,s=1;相反地,使用一張圖像與其完全不同的圖像比較,其相似性則有;損失函數(shù)定義如下:LCXs,t,l=-logCXφls,φlt其中φls和φlt分別是經(jīng)過l層的VGG19網(wǎng)絡提取的CBCT和CT圖像的特征;步驟4,構建特征融合殘差網(wǎng)絡,該網(wǎng)絡中的殘差塊選擇在塊與塊中間進行連接,融合每個殘差塊的局部特征,最終傳給后續(xù)殘差塊;前一個模塊特征融合結果作為后一個特征融合模塊的輸入,而后堆疊局部特征融合后的特征,利用殘差學習來整合特征信息,形成網(wǎng)絡基本架構;構建特征融合殘差網(wǎng)絡方法如下:密集殘差塊RDB在原始圖像中提取多級特征,并進一步提高網(wǎng)絡性能,它通過局部密集連接利用所有層,然后通過局部特征融合LFF自適應地保留累積的特征,RDB結合淺層特征和深層特征進行全局特征融合GFF,并通過全局殘差學習獲得全局稠密特征;在塊和塊中間進行連接,融合每個RSDB中的局部特征,最終傳遞給后續(xù)殘差塊;第f個RSDB直接引入第f-1個RSDB或RB中的局部特征與進行特征融合,其中,若f=1,為模型適應殘差塊RB,局部特征融合LFF表示為:;其中Ff,,LF表示第f個RSDB局部特征融合結果,表示Concat特征圖堆疊功能,F(xiàn)f-1,LF表示第f-1個RSDB局部特征融合結果,F(xiàn)f,2表示第f個RSDB輸入經(jīng)過兩次Conv層進行淺層特征提取的結果,表示為:;其中δ表示ReLU激活功能,Wf,2和Wf,1分別表示第2個卷積層第1個卷積層的權重,b2和b1分別表示第2個第1個卷積層的偏置,F(xiàn)f-1表示第f-1個RSDB輸出的結果;每個RSDB中進行局部特征融合之后不做任何處理,將堆疊的特征圖直接傳遞給下一個RSDB進行同樣操作,此方法將不同基本塊中的指定層特征堆疊一起,實現(xiàn)有間隔的跳躍連接和有效的特征提取;步驟5,以CBCT圖像為輸入,CT圖像為標簽,contextualloss為損失函數(shù)進行訓練,得到訓練好的特征融合殘差網(wǎng)絡模型;步驟6,將相同部位的CBCT圖像作為輸入進行測試,得到去除偽影的圖像。
如需購買、轉讓、實施、許可或投資類似專利技術,可聯(lián)系本專利的申請人或專利權人南京郵電大學,其通訊地址為:210023 江蘇省南京市棲霞區(qū)文苑路9號;或者聯(lián)系龍圖騰網(wǎng)官方客服,聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。
1、本報告根據(jù)公開、合法渠道獲得相關數(shù)據(jù)和信息,力求客觀、公正,但并不保證數(shù)據(jù)的最終完整性和準確性。
2、報告中的分析和結論僅反映本公司于發(fā)布本報告當日的職業(yè)理解,僅供參考使用,不能作為本公司承擔任何法律責任的依據(jù)或者憑證。