一种基于SC-GAN的膝部MRI重建技术

发明专利有效专利

申请号：
CN202111006977.0
IPC分类号：G06T7/00;G06T7/10;G06N3/04;G06N3/08
申请日期：
2021-08-30
申请人：
河南工业大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于SC-GAN的膝部MRI重建技术
申请号	CN202111006977.0	申请日期	2021-08-30
法律状态	公开	申报国家	中国
公开/公告日	2021-12-03	公开/公告号	CN113744235A
优先权	暂无	优先权号	暂无
主分类号	G06T7/00 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06T 一般的图像数据处理或产生〔6，2006.01〕 G06T7/00 图像分析〔6，2006.01，2017.01〕	IPC分类号	G;0;6;T;7;/;0;0;;;G;0;6;T;7;/;1;0;;;G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8查看分类表>
申请人	河南工业大学	申请人地址	河南省郑州市高新技术产业开发区莲花街100号河南工业大学科技处变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	河南工业大学	当前权利人	河南工业大学
发明人	赵祥;张鑫;杨铁军;李冰洁
代理机构	暂无	代理人	暂无

摘要

现有的方法重建高倍欠采图像时纹理细节丢失严重。针对这一问题，借鉴生成对抗网络的对抗学习思想，文中提出一种基于语义对比生成对抗网络的高倍欠采MRI重建方法(Semantic‑Contrast Generative Adversarial Network，SC‑GAN)。该方法由连续的两部分组成。第一部分，将笛卡尔高倍随机欠采样MRI图像输入基于U‑NET的生成器，与鉴别器不断博弈对抗生成初步重建图像，以此构建重建子网；另一部分是语义对比子网，通过VGG‑16比较初步重建图像与全采样图像的语义信息，比较结果反馈给第一部分进行参数调优，直到生成最佳的重建图像。实验结果表明，在加速因子高达7（14%）时，获得了主客观评价结果均较好的重建图像。与先进的重建方法相比，该方法的内存损耗更低、收敛速度更快且纹理细节更丰富，可为下一代MRI机器的研发提供算法支持。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供