基于双输入-单输出深度学习的切伦可夫激发的荧光扫描断层成像重建方法.pdfVIP

下载本文档

0
0
约8千字
约 7页
2023-04-27 发布于四川
举报
版权申诉

基于双输入-单输出深度学习的切伦可夫激发的荧光扫描断层成像重建方法.pdf

1、本文档共7页，其中可免费阅读6页，需付费10金币后方可阅读剩余内容。
2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本发明公开了基于双输入‑单输出深度学习的切伦可夫激发的荧光扫描断层成像重建方法，CELST重建问题可以建模为一个非线性的最优化问题，但是由于测量信号的个数远小于待求解信号的个数，因此在数学上是一个高度的不适定问题,通常采用基于L2范数约束的正则化迭代求解。然而，传统正则化方法求出的荧光量子产额服从高斯分布，反映到图像上过于平滑，导致重建伪影严重。为了解决这一问题，本发明提出一种双输入‑单输出深度学习模型结构，该方法同时将采集的荧光信号和传统方法重建的低质量荧光量子产额图像作为网络输入，直接输出高

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114159021 A (43)申请公布日 2022.03.11 (21)申请号 202110999622.X (22)申请日 2021.08.29 (71)申请人北京工业大学地址