Traitement en cours

Veuillez attendre...

Paramétrages

Paramétrages

Aller à Demande

1. WO2022041521 - PROCÉDÉ DE DÉBRUITAGE DE SINOGRAMMES À FAIBLE DOSE ET DE RECONSTRUCTION D’IMAGES DE PET SUR LA BASE DE GÉNÉRATEURS PROFESSEUR-ÉTUDIANT

Numéro de publication WO/2022/041521
Date de publication 03.03.2022
N° de la demande internationale PCT/CN2020/131293
Date du dépôt international 25.11.2020
CIB
G06T 11/00 2006.1
GPHYSIQUE
06CALCUL; COMPTAGE
TTRAITEMENT OU GÉNÉRATION DE DONNÉES D'IMAGE, EN GÉNÉRAL
11Génération d'images bidimensionnelles
G06T 5/00 2006.1
GPHYSIQUE
06CALCUL; COMPTAGE
TTRAITEMENT OU GÉNÉRATION DE DONNÉES D'IMAGE, EN GÉNÉRAL
5Amélioration ou restauration d'image
CPC
G06N 3/084
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
08Learning methods
084Back-propagation
G06T 11/005
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
112D [Two Dimensional] image generation
003Reconstruction from projections, e.g. tomography
005Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
G06T 2207/10104
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
2207Indexing scheme for image analysis or image enhancement
10Image acquisition modality
10072Tomographic images
10104Positron emission tomography [PET]
G06T 2207/20081
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
2207Indexing scheme for image analysis or image enhancement
20Special algorithmic details
20081Training; Learning
G06T 2207/20084
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
2207Indexing scheme for image analysis or image enhancement
20Special algorithmic details
20084Artificial neural networks [ANN]
G06T 5/002
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
5Image enhancement or restoration
001Image restoration
002Denoising; Smoothing
Déposants
  • 浙江大学 ZHEJIANG UNIVERSITY [CN]/[CN]
Inventeurs
  • 刘华锋 LIU, Huafeng
  • 冯秋鹏 FENG, Qiupeng
Mandataires
  • 杭州天勤知识产权代理有限公司 HANGZHOU TIANQIN INTELLECTUAL PROPERTY AGENCY CO., LTD.
Données relatives à la priorité
202010894249.731.08.2020CN
Langue de publication Chinois (zh)
Langue de dépôt chinois (ZH)
États désignés
Titre
(EN) LOW-DOSE SINOGRAM DENOISING AND PET IMAGE RECONSTRUCTION METHOD BASED ON TEACHER-STUDENT GENERATORS
(FR) PROCÉDÉ DE DÉBRUITAGE DE SINOGRAMMES À FAIBLE DOSE ET DE RECONSTRUCTION D’IMAGES DE PET SUR LA BASE DE GÉNÉRATEURS PROFESSEUR-ÉTUDIANT
(ZH) 基于教师-学生生成器的低剂量Sinogram去噪与PET图像重建方法
Abrégé
(EN) A low-dose Sinogram denoising and PET image reconstruction method based on teacher-student generators. A network model used in the method is divided into two parts: a Sinogram denoising module and a PET image reconstruction module, and the whole network needs to be trained and tested. In the training stage, in the method, the denoising module is used for denoising a low-dose of Sinogram, then the reconstruction module is used for reconstruction by using the denoised Sinogram, a teacher generator is introduced in the training stage to constrain the whole denoising and reconstruction process, the denoising module and the reconstruction module are decoupled, and a better reconstruction graph is obtained by means of training; and in the test stage, in the method, the low-dose Sinogram is only needed to be input into the denoising module to obtain the denoised Sinogram, and then the denoised Sinogram is input into a student generator to obtain the final reconstruction graph.
(FR) L’invention concerne un procédé de débruitage de sinogrammes à faible dose et de reconstruction d’images de PET sur la base de générateurs professeur-étudiant. Un modèle de réseau utilisé dans le procédé est divisé en deux parties : un module de débruitage de sinogrammes et un module de reconstruction d’images de PET, et l’ensemble du réseau a besoin d’être entraîné et mis à l’épreuve. Durant l’étape d’entraînement, selon le procédé, le module de débruitage sert à débruiter une faible dose de sinogramme, puis le module de reconstruction sert à la reconstruction en utilisant le sinogramme débruité, un générateur de professeur est introduit durant l’étape d’entraînement pour contraindre l’ensemble du processus de débruitage et de reconstruction, le module de débruitage et le module de reconstruction sont découplés, et un meilleur graphique de reconstruction est obtenu par entraînement ; et durant l’étape de mise à l’épreuve, selon le procédé, le sinogramme à faible dose a seulement besoin d’être entré dans le module de débruitage pour obtenir le sinogramme débruité, et puis le sinogramme débruité est entré dans un générateur d’étudiant pour obtenir le graphique de reconstruction final.
(ZH) 一种基于教师-学生生成器的低剂量Sinogram去噪与PET图像重建方法,其所采用的网络模型分为Sinogram去噪模块和PET图像重建模块两部分,整个网络需要进行训练和测试两个阶段;在训练阶段,该方法利用去噪模块对低剂量的Sinogram进行去噪,再使重建模块利用去噪后的Sinogram进行重建,其中通过在训练阶段引入教师生成器来约束整个去噪和重建的过程,将去噪模块与重建模块进行解耦,训练得到更好的重建图;在测试阶段,该方法只需要将低剂量的Sinogram输入给去噪模块,得到去噪后的Sinogram,再将它输入给学生生成器,得到最后的重建图。
Documents de brevet associés
Dernières données bibliographiques dont dispose le Bureau international