【技术实现步骤摘要】
本专利技术涉及医疗图像增强,具体涉及一种基于时间驱动transformer扩散模型的光声图像增强方法。
技术介绍
1、光声计算断层扫描(pact)结合了丰富的光学对比度和高声学分辨率,是一种新颖的、非侵入性的、低成本的生物医学成像模式。通过纳秒激光脉冲照射,生物组织吸收激光能量并将其转化为热量,导致温度升高,从而通过热弹性效应发出超声信号。这些信号称为光声(pa)信号,由周围的传感器阵列接收,并通过重建算法生成光学吸收分布的图像。经过二十年的发展,pact在动物和临床成像应用上展示出巨大潜力,前景广阔。
2、作为一个研究较为深入的逆问题,传统的pact重建算法可分为三类:解析解、数值方法和基于模型的迭代方法。通常,如果近距离检测换能器阵列具有足够多的元件,则可以准确地重建高质量的pact图像。然而,在实践中,构建满足这些理想条件下的成像系统通常成本过高,并且在许多活体场景中,传感器阵列通常仅部分包裹组织。同时,随着元件数量的减少(稀疏视角和有限视角),pact图像容易受到条状伪影和结构失真的影响。作为解析和数值方法,由于先验
...【技术保护点】
1.一种基于时间驱动Transformer扩散模型的光声图像增强方法,其特征在于,包括以下步骤:
2.根据权利要求1所述基于时间驱动Transformer扩散模型的光声图像增强方法,其特征在于,所述基于扩散模型的正向过程,通过向非理想条件下重建的光声图像加入噪声,将非理想条件下重建的光声图像转化为已知的先验分布图像,具体包括:
3.根据权利要求1所述基于时间驱动Transformer扩散模型的光声图像增强方法,其特征在于,所述通过扩散模型的逆向过程,不断更新先验信息,并使用时间相关的神经网络预测噪声,实现对扩散模型的训练,具体包括:
【技术特征摘要】
1.一种基于时间驱动transformer扩散模型的光声图像增强方法,其特征在于,包括以下步骤:
2.根据权利要求1所述基于时间驱动transformer扩散模型的光声图像增强方法,其特征在于,所述基于扩散模型的正向过程,通过向非理想条件下重建的光声图像加入噪声,将非理想条件下重建的光声图像转化为已知的先验分布图像,具体包括:
3.根据权利要求1所述基于时间驱动transformer扩散模型的光声图像增强方法,其特征在于,所述通过扩散模型的逆向过程,不断更新先验信息,并使用时间相关的神经网络预测噪声,实现对扩散模型的训练,具体包括:
4.根据权利要求3所述基于时间驱动transformer扩散模型的光声图像增强方法,其特征在于,所述时间相关神经网络采用时间驱动transformer网络;...
【专利技术属性】
技术研发人员:田超,
申请(专利权)人:合肥综合性国家科学中心人工智能研究院安徽省人工智能实验室,
类型:发明
国别省市:
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。