一种基于深度无监督学习的去伪影方法和系统.pdfVIP

下载本文档

5
0
约2.77万字
约 20页
2023-11-25 发布于四川
举报
版权申诉

一种基于深度无监督学习的去伪影方法和系统.pdf

1、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。。
2、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。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、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。
6、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。
7、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

本发明公开了一种基于深度无监督学习的去伪影方法和系统，构建基于深度无监督学习的去伪影网络模型；利用多份全采样MRI图像中的全采样MRI有伪影图像和或全采样MRI无伪影图像对去伪影网络模型进行训练，得到训练完成的去伪影网络模型；该模型用于去除全采样MRI图像的伪影。利用本发明所述方法和系统，有效解决MRI图像难以获得配对数据集的问题和有监督方法需要配对数据集的问题；有效减轻网络去伪影难度；本发明针对不同有运动伪影图像生成特定的掩码，在欠采样时能去除尽可能多的运动伪影，同时保留更多的纹理细节；同时本

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 117115011 A (43)申请公布日 2023.11.24 (21)申请号 202310914258.1 (22)申请日 2023.07.25 (71)申请人武汉理工大学