专利交易市场

一种基于跨子网同层稠密连接的深度级联网络的快速磁共振成像(Magnetic Resonance Imaging，MRI)方法，该方法充分利用参考模态中丰富的细节信息辅助重建目标模态中的缺失信息：首先，采用深度级联网络结构，将多个MRI重建子网级联起来，使得用户输入的参考模态和目标模态数据可以多次直接参与网络的辅助重建；其次，在各子网内部加入了“同层稠密连接”，以加强各子网络间的特征流动，避免学习冗余特征；最后，在各个子网的末端加入了k空间集成学习模块，以更有效地利用参考模态的频域数据和各个子网的重建结果进行MRI重建。相比于已有的MRI辅助重建方法，本发明所提供的方法达到了更好的重构效果，具有很强的实用性。

一种基于改进了适用范围的卡尔曼滤波的静态PET图像重建方法，包括(1)通过数据采集及校正，得到系统的观测数据，建立PET系统的状态空间模型；(2)基于状态空间滤波方法重构放射性物质的空间浓度分布；基于改进了适用范围的卡尔曼滤波进行静态PET图像重建。本发明提供了一种可以将原本无法存储的趋于无穷大的放射性物质空间浓度预估误差协方差阵通过求逆的方法表示为零矩阵，继而离线、迭代计算放射性物质空间浓度预估误差协方差阵的逆矩阵，并基于逆矩阵计算滤波增益，最终给出放射性物质空间浓度重建结果重建的方法。

本发明涉及一种基于双线性插值原理确定发射层析权重矩阵的方法，首先获得发射层析的三维投影模型；然后将投影积分离散化表示；最后利用双线性插值原理确定层析系统的权重矩阵。本发明方法得到了用于准确描述发射层析投影的三维空间二维Radon变换模型，为三维层析重建提供了理论基础；该方法基于双线性插值原理确定权重矩阵的原理简单，计算效率高，可以快速获得权重矩阵数值；其计算结果精确度高，可以减少计算过程中的离散引起的干扰，大大增加计算结果的准确性；本发明方法不仅能够用于三维空间中的二维Radon变换，对于传统的二维层析技术中的权重矩阵计算同样适用。

本发明公开了一种基于三维加权滤波反投影和统计迭代的图像重建方法，先获取投影数据，获得每个投影数据对应射线的投影角度、锥角以及扇角，然后对投影数据进行预加权，再对预加权后的投影数据进行逐行滤波，然后进行三维加权，进行反投影得到初始的重建图像。再根据得到的重建图像，计算所有角度下的投影估计值，与实际的投影数据进行比较，计算误差，根据误差修正重建图像，然后再重复迭代此过程，直到满足条件的重建图像。

本公开涉及超分辨率图像重建方法及装置、电子设备及存储介质。该方法包括：获取多帧输入图像；对所述多帧输入图像进行特征提取，得到所述多帧输入图像间的联合特征图；基于所述联合特征图进行图像重建，得到所述多帧输入图像的目标图像。本公开通过融合多帧输入图像的特征信息，能够获取更高质量的高分辨率图像。

本发明公开了基于梯度全变分正则化的锥形束断层扫描重建方法及系统，获取初始投影数据；构建图像重建模型，对图像重建模型进行预处理，得到目标函数；根据初始投影数据，对目标函数进行初始化操作，对目标函数进行求解，得到重建图像。本发明既能抑制CBCT图像重建噪声，又能保留图像边缘轮廓信息，提高重建精度。