当前位置: 首页 > 专利查询>之江实验室专利>正文

一种基于扩散模型的高频信息引导的医学影像超分辨方法和装置制造方法及图纸

技术编号:43093114 阅读:48 留言:0更新日期:2024-10-26 09:39
本发明专利技术公开了一种基于扩散模型的高频信息引导的医学影像超分辨方法和装置,该方法首先获取医学影像数据并进行预处理,以构建数据集;然后构建包含高频生成网络,进一步构建结合离散小波变换和扩散模型的超分辨算法,并基于数据集对该模型进行训练;再使用数据集通过评估指标对训练好的超分辨算法的性能进行评估,并根据评估结果进一步调整模型参数,以获取最优超分辨算法模型;最后获取最优的超分辨算法模型,将低分辨率图像输入最优的超分辨算法模型以获取高分辨率图像。本发明专利技术包含了一种利用高频生成网络,结合离散小波变换和扩散模型的超分辨算法模型,避免了扩散模型加噪过程破坏高频信息的问题。

【技术实现步骤摘要】

本专利技术涉及计算机技术和医学影像跨模态配准的交叉,特别是涉及到一种基于扩散模型的高频信息引导的医学影像超分辨方法和装置


技术介绍

1、医学成像是一种强大的诊断和研究工具,可创建解剖结构的视觉表示,已广泛用于疾病诊断和手术计划。在临床实践中,常用的医学成像如磁共振 (mr) 等,广泛用于辅助病人诊断,但经常质量低下且带有噪声。高质量高分辨率的图像有助于医学做出更明智的决定。因此,利用超分辨算法提高图像分辨率非常重要。

2、扩散模型正逐渐成为高保真图像生成的强大解决方案,在许多情况下甚至超越了对抗生成网络的质量。然而,它们训练和推理速度缓慢是一个巨大的瓶颈,阻碍了它们在实时应用中的使用。最近的研究工作中,多种方法从不同角度去解决这一问题。如diffusiongan方法通过将采样步骤数量从数千减少到几个,显著减少了模型的运行时间。phung等人将离散小波变换和去噪扩散概率模型结合,通过小波分解从图像和特征级别提取低频和高频分量,并对这些分量进行自适应处理以加快处理速度,同时保持良好的生成质量。然而,扩散模型加噪过程破坏高频信息的问题仍然存在。...

【技术保护点】

1.一种基于扩散模型的高频信息引导的医学影像超分辨方法,其特征在于,该方法包括以下步骤:

2.根据权利要求1所述的一种基于扩散模型的高频信息引导的医学影像超分辨方法,其特征在于,步骤(1)中,医学影像数据包括磁共振图像和计算机断层扫描图像。

3.根据权利要求1所述的一种基于扩散模型的高频信息引导的医学影像超分辨方法,其特征在于,步骤(1)中,医学影像数据的预处理包括调整窗宽窗位进行去噪,重新采样以调整体素间距,对像素值进行归一化并对原始的高分辨率图像降采样,得到低分辨率图像。

4.根据权利要求1所述的一种基于扩散模型的高频信息引导的医学影像超分辨方法,...

【技术特征摘要】

1.一种基于扩散模型的高频信息引导的医学影像超分辨方法,其特征在于,该方法包括以下步骤:

2.根据权利要求1所述的一种基于扩散模型的高频信息引导的医学影像超分辨方法,其特征在于,步骤(1)中,医学影像数据包括磁共振图像和计算机断层扫描图像。

3.根据权利要求1所述的一种基于扩散模型的高频信息引导的医学影像超分辨方法,其特征在于,步骤(1)中,医学影像数据的预处理包括调整窗宽窗位进行去噪,重新采样以调整体素间距,对像素值进行归一化并对原始的高分辨率图像降采样,得到低分辨率图像。

4.根据权利要求1所述的一种基于扩散模型的高频信息引导的医学影像超分辨方法,其特征在于,步骤(2)中,高频生成网络包括三个深度可分离卷积、两个交叉注意力层、一个渐进扩张模块和三个深度可分离卷积;将小波变换得到的包含高频信息的图像hh、lh和hl拼接后通过三个深度可分离卷积提取特征,通过交叉注意力层利用hh和lh中的信息来补充hl中的细节,渐进扩张模块利用扩张卷积提取局部信息进行局部恢复,最后三个深度可分离卷积用于减少通道数来获得预测的结果。

5.根据权利要求1所述的一种基于扩散模型的高频信息引导的医学影像超分辨方法,其特征在于,步骤(3)中,残差图像作为扩散模型的输入,首先通过前向过程不断加高斯噪声得到完全噪声的图像,低分辨率图像通过小波变换得到的四个图像作为条件输入和完全噪声的图像通过通道维度连接,作为扩散模块中生成器的输入,计算去噪后图像和残差图像的像素损失。

6.根据权利要求5所述的一种...

【专利技术属性】
技术研发人员:胡佩君徐阳迪周天舒田雨李劲松
申请(专利权)人:之江实验室
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1