一种基于多尺度神经网络的核磁共振去伪影方法及系统

AITNT-国内领先的一站式人工智能新闻资讯网站
# 热门搜索 #
一种基于多尺度神经网络的核磁共振去伪影方法及系统
申请号:CN202410728740
申请日期:2024-06-06
公开号:CN118298070B
公开日期:2024-09-27
类型:发明专利
摘要
本发明是一种基于多尺度神经网络的核磁共振去伪影方法及系统,涉及医用核磁共振磁成像和深度学习技术领域,具体涉及一种基于多尺度神经网络的核磁共振去伪影方法及系统,所述一种基于多尺度神经网络的核磁共振去伪影方法包括:利用核磁共振系统采集带有伪影的图像进行数据预处理得到数据预处理结果;利用数据预处理结果基于多尺度卷积神经网络结构得到网络模型结果;利用网络模型结果进行伪影去除得到伪影去除核磁共振图像矩阵。根据本申请实施例的方法,可以有效且快速的去除核磁共振中产生伪影,输出清晰的图像矩阵,便于做出诊断。
技术关键词
多尺度神经网络 多尺度卷积神经网络 去伪影方法 核磁共振系统 残差网络 医用核磁共振 数据 网络结构 矩阵 图像处理 深度学习技术 输出模块 镜像 参数 图片 成像
系统为您推荐了相关专利信息
牌号识别方法 卷烟 分类器模型 在线 计算机可存储介质
剩余寿命预测方法 通道注意力机制 数字孪生 残差网络 发射体
退行性神经疾病 多尺度卷积神经网络 病灶定位方法 磁共振脑影像 YOLO模型
地形特征 状态空间模型 浅层特征提取 残差网络 分辨率