大鼠踝骨骨折Micro-CT图像的超分辨率重建装置制造方法及图纸

本发明专利技术涉及一种大鼠踝骨骨折Micro

【技术实现步骤摘要】
Publishing,2014,pp.184
–
199.
[0011][8]B.Lim,S.Son,H.Kim,S.Nah,and K.M.Lee,“Enhanced Deep Residual Networks for Single Image Super
‑
Resolution,”arXiv:1707.02921[cs],Jul.2017.
[0012][9]X.Wang,K.Yu,S.Wu,J.Gu,Y.Liu,C.Dong,C.C.Loy,Y.Qiao,and X.Tang,“ESRGAN:Enhanced Super
‑
Resolution Generative Adversarial Networks,”arXiv:1809.00219[cs],Sep.2018.

技术实现思路

[0013]本专利技术提出一种大鼠踝骨骨折Micro
‑
CT图像的超分辨率重建装置，通过加入Res2Net使模型具有多尺度提取特征能力，具有较好的重建效果。技术方案如下：/>[0014]一种本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种大鼠踝骨骨折Micro
‑
CT图像的超分辨率重建装置，其特征在于，包括：(1)大鼠踝骨图像预处理模块，用于对经过踝骨骨折造模的大鼠胫骨至踝骨分别进行高分辨率和低分辨率的扫描，得到高分辨率图像HR及相对应的低分辨率图像LR，两者的分辨率相差8倍。(2)配置HR
‑
LR图像对模块，用于得到基于Res2Net的残差通道注意力模型的训练数据，方法如下：应用特征检测算法检测特征点，并对同一扫描位置的LR和HR图像进行特征点匹配；通过两组特征点对LR图像进行旋转使LR图像和HR图像处于同一方向，并以特征点为中心分别剪裁得到HR和LR图像的子图像，制作HR
‑
LR图像对；(3)基于Res2Net的残差通道注意力的深度模型模块，包括浅层特征提取层，深层特征提取层和特征上采样层：浅层特征提取层为一个3
×
3的卷积层，将LR图像输入到浅层特征提取层得到浅层特征图F0；深层特征提取层由两部分组成，分别是基于通道注意力的RCAB
‑
group和基于Res2Net的Res2
‑
group；其中RCAB
‑
group由10个RCAB搭配短跳跃连接组成；Res2
‑
group以Res2Net为基础，串联5个Res2block搭配短跳跃连接防止模型训练出现过拟合；浅层特征图F0通过第一个RCAB
‑
group得到特征图F1；特征图F1经过第一个Res2
‑
group得到特征图F2，特征图F2再通过第二个RCAB
‑
group得到特征图F2；特征图F2再经过第二个Res2
‑
group得到特征图F3，依次类推，总共经过五次这样的交替串联搭配长跳跃连接，最终得到的特征图F
10
；所述的浅层特征图F0通过第一个RCAB
‑
group得到特征图F1的方法如下：浅层特征图F0依次进入10个RCAB，当浅层特征图F0进入第一RCAB时，经过一个3
×
3的卷积、ReLU激活函数和一个3
×
3的卷积得到特征图X
0,1
，然后将特征图X
0,1
输入通道注意力机制层中...

【专利技术属性】
技术研发人员：余辉，王硕，汪光普，孙敬来，李金秋，王植，孟祥虹，
申请(专利权)人：天津大学，
类型：发明
国别省市：