XING, Yuxiang (CN),СИН Юйсян (CN),LIANG, Kaichao (CN),ЛЯН Кайчао (CN),SHEN, Le (CN),ШЕНЬ Лэ (CN),ZHANG, Li (CN),ЧЖАН Ли (CN),YANG, Hongkai (CN),ЯН Хункай (CN),KANG, Kejun (CN),КАН Кэцзюнь (CN),CHEN, Z
申请号：
RU2018146297
公开号：
RU0002709437C1
申请日:
2018.12.25
申请国别(地区):
RU
年份:
2019
代理人:
摘要：
FIELD: image processing means.SUBSTANCE: use: for image processing. Summary of invention consists in the fact that image processing method includes processing input data in a projection area using a convolutional neural network. Neuron network comprises a projection area network, an analytic reconstruction network layer and a visualization network. Projection area network can process data in the projection area in order to recover possible missing data, thereby increasing the quality of the projection. Visualization network processes the reconstructed image in order to obtain an evaluation image. Imaging area network is adjusted by using a pricing model function based on the evaluation image, and to correct parameters of convolutional core network of projection area reverse propagation of gradient through layer of analytical reconstruction network. Projection operation is carried out with respect to the evaluation image using the projection matrix of the scanning system using a CT to obtain a projection result.EFFECT: improved quality of the reconstructed image.11 cl, 20 dwgИспользование: для обработки изображений. Сущность изобретения заключается в том, что способ обработки изображений включает обработку входных данных в проекционной области с использованием сверточной нейронной сети. Нейронная сеть содержит сеть проекционной области, слой сети аналитической реконструкции и сеть области визуализации. Сеть проекционной области может обрабатывать данные в проекционной области с целью восстановления возможных недостающих данных, за счет чего повышается качество проекции. Сеть области визуализации обрабатывает реконструированное изображение с целью получения оценочного изображения. Сеть области визуализации настраивается путем использования функции стоимости априорной модели на основе оценочного изображения, а для корректировки параметров сверточного ядра сети проекционной области выполняется обратное распространение градиента через слой сети аналитической реконструкци
