【摘 要】
：
为了去除真实超声图像中的噪声,我们提出了一种新的去噪模型,该模型结合了基于模型的优化方法和判别学习方法的优点。基于噪声模型的特点,我们用广义Kullback-Leibler散度描述数据保真项,并用一个CNN去噪器代替正则项。本文给出了两种基于CNN去噪器正则项的模型,分别使用了带扩张卷积的CNN去噪器和边缘特征引导的CNN去噪器。其中,带扩张卷积的CNN去噪器由七个扩张卷积组成,这七个扩张卷积的扩
论文部分内容阅读
为了去除真实超声图像中的噪声,我们提出了一种新的去噪模型,该模型结合了基于模型的优化方法和判别学习方法的优点。基于噪声模型的特点,我们用广义Kullback-Leibler散度描述数据保真项,并用一个CNN去噪器代替正则项。本文给出了两种基于CNN去噪器正则项的模型,分别使用了带扩张卷积的CNN去噪器和边缘特征引导的CNN去噪器。其中,带扩张卷积的CNN去噪器由七个扩张卷积组成,这七个扩张卷积的扩张率呈阶梯状增减,采用残差学习和归一化来提高训练速度。边缘特征引导的CNN去噪器由两个模块组成:特征提取模块和图像重建模块。首先,构造一个双路径特征提取框架用来分别提取图像特征和边缘信息。然后采用两种特征融合策略,充分利用边缘信息。此外,边缘特征引导的CNN去噪器中同样采用了扩张卷积来扩大感受野,这使CNN去噪器能够以较少的网络层数达到良好的去噪效果。本文使用ADMM法求解模型,引入辅助变量解耦数据保真项和正则项,将模型求解转化为三个子问题进行迭代求解。最后,进行了一系列对比实验,证明本文模型都能够有效地去除真实超声图像中的噪声。特别地,与带扩张卷积的CNN先验相比,边缘特征引导的CNN先验能保留更锋利的轮廓,更清晰的纹理
其他文献
在医疗、金融和其他学科领域,研究者们经常会遇到如何评估处理方式对个体影响的问题,最为主流的是用条件平均处理效果（CATE）作为衡量。而实际研究中由于实验参与者的退出或是其他原因收集到的数据往往是缺失的。本文研究响应变量随机缺失下的k近邻核方法估计CATE并证明了估计量的几乎一致收敛性及其渐近正态性,给出了其区间估计。本文采用Neyman-Rubin潜在结果框架,在响应变量随机缺失的情况下,用k近邻
在数理统计中,常常会涉及到非参数回归,非参数回归能够在不知道总体分布的情况下较好地利用样本数据体现的非线性特征从而来推断总体。并且非参数回归还具有回归函数受约束少、稳健性高,尤其是对于非线性问题有非常好的效果,因而非参数回归在统计推断中有着至关重要的作用。目前对于非参数回归的研究和应用也有着许多方法,例如核估计、局部多项式估计、样条估计、M估计等等。删失数据一直受到国内外众多学者的研究。因为在实际
近年来,电子病历因具有高效、简便等优势得到广泛使用.这些电子病历蕴含了大量的医学信息,对其进行实体识别,可以提取出疾病部位、药物治疗等关键信息,有利于构建更完备的智能化电子病历系统,推动智慧医疗的建设.对中文电子病历进行命名实体识别主要存在技术和数据两方面的问题.技术层面上,目前对电子病历进行实体识别大多是从通用的预训练语言模型获得文本的向量表征,无法充分提取中文的偏旁部首等字形结构信息.数据层面
通货膨胀是当今世界上许多国家面临的问题。通货膨胀带来的商品价格上涨会导致消费者的购买力下降,当超过一定的阈值时,就会扼杀该国经济增长。为解决上述问题,本文研究以下两个方面的内容,首先,研究赞比亚的经济增长和通货膨胀之间的关系;其次,研究与经济增长有关的特定宏观经济变量对通货膨胀的影响。以消费者价格指数衡量通货膨胀作为因变量,自变量包括利率、汇率、国内生产总值、外国直接投资、净官方发展援助、外债、净
近年来,科技创新与金融的融合发展受到广泛关注。我国技术创新能力处于不断上升的趋势,高新技术产业作为科技创新的关键力量,在推动技术进步、发展新型产业过程中发挥着重要的作用,但创新过程中,常常面临融资难、融资贵的问题,导致研发活动受限,影响产业创新能力持续提高。与此同时,银行科技贷款作为科技与金融的有机结合,一方面解决了高技术产业融资难的问题,弥补了研发经费的缺口,另一方面也提高了科技创新效率,从时间
随着金融服务实体经济这一本源的回归,金融与实体经济之间的联系更加紧密,实体经济内部各产业间的关联性也日渐增强。因此,在极端金融危机频发的背景下,如何准确刻画中国实体产业间的相依关系以及规避金融风险是亟待解决的关键问题,对中国经济金融体系稳定具有重要的现实意义。首先,考虑到实体产业的行业指数数据维度较高,并且指数之间的相关性较强,本文引入动态因子Copula模型估计24个行业指数间的相依关系,能有效
复杂网络作为复杂系统最活跃的研究学科之一,由于其简明的交互系统拓扑结构的表达方式,已经被广泛应用在物理、生物和社会科学等领域。通常来说复杂网络都存在一定的社区结构,社区结构是对网络中节点的分组,组内连接相对紧密,组件连接相对稀疏。研究复杂网络的社团结构不仅有助于学者们分析复杂网络的各种潜在特性,而且与我们的生活也息息相关,比如图像分割、个性化推荐、主题分析等。复杂网络的社团检测方法有很多,寻找速度
反向传播算法是最成功的训练神经网络的算法之一,但由于其具有收敛速度慢和易陷入局部极小值的缺点,使得其优化和收敛性分析成为一个热门的研究方向。加入动量项是优化反向传播算法的方法之一,它可以提升算法的收敛速度。在传统的动量反向传播算法中,动量系数取为区间（0,1）内的一个固定常数。但在这个方法下,只有当当前梯度下降方向和上一步迭代时权值改变方向相近时,才有加速收敛的效果,反之则会沿着误差增加的方向运动
光顺曲线具有良好的曲率分布,如何通过已知数据构造出光顺的插值曲线是计算机辅助几何设计中的基本问题。在实际应用中,我们常用Bézier曲线来表示插值曲线。一般而言,Bézier曲线的形状调整是通过能量优化的方式来完成,然而已有的研究主要集中在平面曲线,很少有专门针对空间曲线插值的研究。鉴于上述问题,本文提出了基于jerk能量最小化的空间五次G2插值曲线构造方法。针对给定的G2数据,可构造一条满足Fr
奇异两点边值问题在应用数学和物理学领域有十分广泛的应用,比如:气体动力学、生理学、化学、核爆炸以及原子计算等方面。寻求奇异两点边值问题的数值解是一个十分重要而且有意义的研究问题。因此,大量学者对奇异两点边值问题的数值解展开了研究并且得到了许多重要的研究成果。本文主要给出了改进的三次B样条方法和基于B样条函数的最小二乘法来解决此问题。本文分为四个部分:第一章简单介绍了奇异两点边值问题及其国内外研究现