Certains contenus de cette application ne sont pas disponibles pour le moment.
Si cette situation persiste, veuillez nous contacter àObservations et contact
1. (WO2019041376) PROCÉDÉ FONDÉ SUR UN RÉSEAU NEURONAL CONVOLUTIF POUR ÉLIMINER DES ARTEFACTS DE SOUS-ÉCHANTILLONNAGE D'UNE IMAGE PAR RÉSONANCE MAGNÉTIQUE
Dernières données bibliographiques dont dispose le Bureau international    Formuler une observation

N° de publication : WO/2019/041376 N° de la demande internationale : PCT/CN2017/101198
Date de publication : 07.03.2019 Date de dépôt international : 11.09.2017
CIB :
G06T 5/00 (2006.01) ,G06N 3/04 (2006.01)
G PHYSIQUE
06
CALCUL; COMPTAGE
T
TRAITEMENT OU GÉNÉRATION DE DONNÉES D'IMAGE, EN GÉNÉRAL
5
Amélioration ou restauration d'image, p.ex. à partir d'un mappage binaire pour obtenir un mappage binaire afin de créer une image similaire
G PHYSIQUE
06
CALCUL; COMPTAGE
N
SYSTÈMES DE CALCULATEURS BASÉS SUR DES MODÈLES DE CALCUL SPÉCIFIQUES
3
Systèmes de calculateurs basés sur des modèles biologiques
02
utilisant des modèles de réseaux neuronaux
04
Architecture, p.ex. topologie d'interconnexion
Déposants :
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
Inventeurs :
冯衍秋 FENG, Yanqiu; CN
张倩倩 ZHANG, Qianqian; CN
Mandataire :
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
Données relatives à la priorité :
201710762719.230.08.2017CN
Titre (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
Abrégé :
(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
États désignés : 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
Organisation régionale africaine de la propriété intellectuelle (ARIPO) (BW, GH, GM, KE, LR, LS, MW, MZ, NA, RW, SD, SL, ST, SZ, TZ, UG, ZM, ZW)
Office eurasien des brevets (OEAB) (AM, AZ, BY, KG, KZ, RU, TJ, TM)
Office européen des brevets (OEB (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)
Organisation africaine de la propriété intellectuelle (OAPI) (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, KM, ML, MR, NE, SN, TD, TG)
Langue de publication : chinois (ZH)
Langue de dépôt : chinois (ZH)