王珊珊
- 作品数：65 被引量：70H指数：2
- 供职机构：中国科学院深圳先进技术研究院更多>>
- 发文基金：国家自然科学基金深圳市基础研究计划项目广东省自然科学基金更多>>
- 相关领域：自动化与计算机技术医药卫生电子电信理学更多>>
- 一种协同成像方法、装置、存储介质和协同成像设备
- 本申请适用于图像处理技术领域，提供了一种协同成像方法、装置、存储介质和协同成像设备，包括：获取同一检测区域对应的第一图像的原始数据和第二图像的原始数据，其中，所述第一图像的原始数据与所述第二图像的原始数据存在位置对应关系...
- 王珊珊郑海荣龚宇刘新
- 弱监督磁共振快速成像方法和装置
- 本发明提出了一种基于深度神经网络模型的弱监督磁共振快速成像方法。具体来说，利用不同的成像方法对不同倍率的欠采样数据进行重建，得到不同倍率的重建图像，作为样本标签，将这些重建图像和欠采样数据作为训练样本对深度神经网络模型进...
- 王珊珊肖韬辉郑海荣李程刘新梁栋
- 文献传递
- 一种图像重建方法、装置、终端设备和存储介质
- 本申请涉及图像处理技术领域，提出一种图像重建方法、装置、终端设备和存储介质。该方法首先提取原始图像的初始特征图，然后分别计算该初始特征图中每一列像素的元素值的平均值，并根据该平均值构建目标行向量，在对该目标行向量执行一维...
- 王珊珊梁皓云郑海荣刘新
- 磁共振氧十七代谢成像方法、装置、存储介质及终端设备
- 本申请属于计算机技术领域，尤其涉及一种磁共振氧十七代谢成像方法、装置、计算机可读存储介质及终端设备。所述方法包括：获取磁共振氧十七代谢的黄金角径向采样数据，并按照预设的频率分区将所述径向采样数据划分为若干个分区域径向采样...
- 王珊珊荣楚誉郑海荣刘新
- 深度学习在医学影像中的应用综述被引量：62
- 2020年
- 深度学习能自动从大样本数据中学习获得优良的特征表达,有效提升各种机器学习任务的性能,已广泛应用于信号处理、计算机视觉和自然语言处理等诸多领域。基于深度学习的医学影像智能计算是目前智慧医疗领域的研究热点,其中深度学习方法已经应用于医学影像处理、分析的全流程。由于医学影像内在的特殊性、复杂性,特别是考虑到医学影像领域普遍存在的小样本问题,相关学习任务和应用场景对深度学习方法提出了新要求。本文以临床常用的X射线、超声、计算机断层扫描和磁共振等4种影像为例,对深度学习在医学影像中的应用现状进行综述,特别面向图像重建、病灶检测、图像分割、图像配准和计算机辅助诊断这5大任务的主要深度学习方法的进展进行介绍,并对发展趋势进行展望。
- 施俊汪琳琳王珊珊陈艳霞王乾魏冬铭梁淑君彭佳林易佳锦刘盛锋倪东王明亮张道强沈定刚
- 关键词：医学影像图像重建图像分割图像配准计算机辅助诊断
- 一种基于空间信息与物理先验的弥散张量估计方法
- 本发明公开了一种基于空间信息与物理先验的弥散张量估计方法。该方法包括：通过将全采样的磁共振弥散加权数据拟合成张量数据，获得参考张量图；在全采样的磁共振弥散加权数据中，选取六个方向的磁共振弥散加权数据，并提取出多个三维体素...
- 王珊珊杨静李程郑海荣
- 一种图像重建方法、装置、终端设备及存储介质
- 本申请适用于数据处理技术领域，提供了一种图像重建方法、装置、终端设备及存储介质，所述方法包括：获取待处理数据；使用张量火车分解法将所述待处理数据分解为张量火车形式的重建数据；对所述重建数据进行图像重建处理，得到重建图像。...
- 王珊珊郑海荣龚宇刘新
- 文献传递
- 多模态图像配准的方法、装置、电子设备及存储介质
- 本申请适用于模式识别技术领域，提供了多模态图像配准的方法，包括：获取源模态的第一图像，和与所述第一图像配对的目标模态的第二图像；对所述第一图像的强度进行修正得到第一修正图像，使所述第一修正图像的强度与所述第二图像的强度分...
- 王珊珊郑海荣黄纬键刘新梁栋
- 文献传递
- 基于深度递归级联卷积神经网络的并行磁共振成像方法被引量：6
- 2019年
- 快速磁共振成像是磁共振研究领域重要的课题之一.随着大数据和深度学习的兴起,神经网络成为快速磁共振技术的重要方法.然而网络性能表现和网络参数量之间较难取得平衡,且对于多通道数据重建的并行成像问题,相关研究较少.本文构建了一种深度递归级联卷积神经网络结构,用于处理并行成像问题.这种网络结构在减少网络参数量的同时,能够尽可能地提高网络的表达能力,提高网络重建的精确度.实验结果表明,相较于传统并行成像方法,通过训练好的神经网络对欠采样磁共振数据进行重建,可以得到更准确的重建结果,且重建时间大大缩短.
- 程慧涛王珊珊柯子文贾森程静丘志浪郑海荣梁栋
- 关键词：卷积神经网络先验信息
- 一种基于深度卷积神经网络的快速磁共振成像方法及装置
- 本发明提供了一种基于深度卷积神经网络的快速磁共振成像方法及装置。所述方法包括：步骤S1，构建深度卷积神经网络；步骤S2，获取离线磁共振图像数据，训练所述深度卷积神经网络，学习欠采样磁共振图像与全采图像之间的映射关系；步骤...
- 梁栋王珊珊谭莎苏正航彭玺刘新郑海荣
- 文献传递
