Some content of this application is unavailable at the moment.
If this situation persist, please contact us atFeedback&Contact
1. (WO2019041376) CONVOLUTIONAL NEURAL NETWORK-BASED METHOD FOR REMOVING DOWNSAMPLING ARTIFACTS FROM MAGNETIC RESONANCE IMAGE
Latest bibliographic data on file with the International Bureau    Submit observation

Pub. No.: WO/2019/041376 International Application No.: PCT/CN2017/101198
Publication Date: 07.03.2019 International Filing Date: 11.09.2017
IPC:
G06T 5/00 (2006.01) ,G06N 3/04 (2006.01)
G PHYSICS
06
COMPUTING; CALCULATING; COUNTING
T
IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
5
Image enhancement or restoration, e.g. from bit-mapped to bit-mapped creating a similar image
G PHYSICS
06
COMPUTING; CALCULATING; COUNTING
N
COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3
Computer systems based on biological models
02
using neural network models
04
Architecture, e.g. interconnection topology
Applicants:
南方医科大学 SOUTHERN MEDICAL UNIVERSITY [CN/CN]; 中国广东省广州市 白云区广州大道北1838号冯衍秋 FENG, Yanqiu No.1838, Guang Zhou Dadaobei Road, Baiyun District Guangzhou, Guangdong 510515, CN
Inventors:
冯衍秋 FENG, Yanqiu; CN
张倩倩 ZHANG, Qianqian; CN
Agent:
北京科亿知识产权代理事务所(普通合伙) BEIJING KEYI INTELLECTUAL PROPERTY FIRM; 中国北京市 海淀区蓟门里和景园1-2-502号赵蕊红 ZHAO, Ruihong No.1-2-502 of Hejingyuan, Jimenli, Hai Dian District Beijing 100088, CN
Priority Data:
201710762719.230.08.2017CN
Title (EN) CONVOLUTIONAL NEURAL NETWORK-BASED METHOD FOR REMOVING DOWNSAMPLING ARTIFACTS FROM MAGNETIC RESONANCE IMAGE
(FR) PROCÉDÉ FONDÉ SUR UN RÉSEAU NEURONAL CONVOLUTIF POUR ÉLIMINER DES ARTEFACTS DE SOUS-ÉCHANTILLONNAGE D'UNE IMAGE PAR RÉSONANCE MAGNÉTIQUE
(ZH) 基于卷积神经网络去除磁共振图像降采样伪影的方法
Abstract:
(EN) A convolutional neural network-based method for removing downsampling artifacts from a magnetic resonance image, a sample magnetic resonance image having an artifact being used as an input image, and a convolutional neural network framework being used to process the image, thus ultimately obtaining a result image having no artifact, the method comprising: (I), obtaining an optimal model: T1, preprocessing a sample magnetic resonance image; T2, building a basic framework of a convolutional neural network; T3, initializing parameters of the basic framework of the convolutional neural network; T4, using training data to optimize the parameters of the basic framework of the convolutional neural network, thus obtaining an optimal model; and (II) using the optimal model to remove artifacts from the image to be processed so as to obtain a target image: T5, substituting the preprocessed data of the image to be processed into the optimal model, and outputting a result image. An optimal model established using the described method may effectively remove artifacts caused by downsampling, thus obtaining a high resolution and contract ratio, and well-maintaining image details.
(FR) L'invention concerne un procédé fondé sur un réseau neuronal convolutif qui permet d'éliminer des artefacts de sous-échantillonnage d'une image par résonance magnétique, une image par résonance magnétique d'échantillon ayant un artefact étant utilisée en tant qu'image d'entrée, et un cadre de réseau neuronal convolutif étant utilisé afin de traiter l'image, obtenant ainsi finalement une image résultat sans artefact, le procédé comprenant : (I), l'obtention d'un modèle optimal : T1, le prétraitement d'une image par résonance magnétique d'échantillon ; T2, la construction d'un cadre de base d'un réseau neuronal convolutif ; T3, l'initialisation de paramètres du cadre de base du réseau neuronal convolutif ; T4, l'utilisation de données d'apprentissage afin d'optimiser les paramètres du cadre de base du réseau neuronal convolutif, obtenant ainsi un modèle optimal ; (II) l'utilisation du modèle optimal afin d'éliminer les artefacts de l'image à traiter de façon à obtenir une image cible : T5, le remplacement des données pré-traitées de l'image à traiter dans le modèle optimal, et la fourniture d'une image résultat. Un modèle optimal établi à l'aide du procédé décrit peut éliminer efficacement des artefacts provoqués par un sous-échantillonnage, permettant d'obtenir ainsi une haute résolution et un contraste élevé, tout en maintenant correctement des détails d'image.
(ZH) 基于卷积神经网络去除磁共振图像降采样伪影的方法,将带有伪影的样本磁共振图像作为输入图像,通过卷积神经网络框架进行处理,最终得到无伪影的结果图像,(一)获取最优模型,T1、对样本磁共振图像进行预处理;T2、搭建卷积神经网络基本框架;T3、对卷积神经网络基本框架参数进行初始化;T4、通过训练数据对卷积神经网络基本框架参数进行优化,得到最优模型;(二)通过最优模型对待处理图像进行去伪影得到目标图像,T5、将经过预处理的待处理图像数据代入最优模型中,输出结果图像。该方法建立的最优模型可以有效去除降采样造成的伪影,获得较高的分辨率以及对比度,并很好的保留图像的细节。
front page image
Designated States: AE, AG, AL, AM, AO, AT, AU, AZ, BA, BB, BG, BH, BN, BR, BW, BY, BZ, CA, CH, CL, CN, CO, CR, CU, CZ, DE, DJ, DK, DM, DO, DZ, EC, EE, EG, ES, FI, GB, GD, GE, GH, GM, GT, HN, HR, HU, ID, IL, IN, IR, IS, JO, JP, KE, KG, KH, KN, KP, KR, KW, KZ, LA, LC, LK, LR, LS, LU, LY, MA, MD, ME, MG, MK, MN, MW, MX, MY, MZ, NA, NG, NI, NO, NZ, OM, PA, PE, PG, PH, PL, PT, QA, RO, RS, RU, RW, SA, SC, SD, SE, SG, SK, SL, SM, ST, SV, SY, TH, TJ, TM, TN, TR, TT, TZ, UA, UG, US, UZ, VC, VN, ZA, ZM, ZW
African Regional Intellectual Property Organization (ARIPO) (BW, GH, GM, KE, LR, LS, MW, MZ, NA, RW, SD, SL, ST, SZ, TZ, UG, ZM, ZW)
Eurasian Patent Office (AM, AZ, BY, KG, KZ, RU, TJ, TM)
European Patent Office (EPO) (AL, AT, BE, BG, CH, CY, CZ, DE, DK, EE, ES, FI, FR, GB, GR, HR, HU, IE, IS, IT, LT, LU, LV, MC, MK, MT, NL, NO, PL, PT, RO, RS, SE, SI, SK, SM, TR)
African Intellectual Property Organization (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, KM, ML, MR, NE, SN, TD, TG)
Publication Language: Chinese (ZH)
Filing Language: Chinese (ZH)