论文部分内容阅读
基于深度学习的腹部MRI影像超分辨率算法研究
【摘 要】
：
对MRI影像进行分析属于腹部疾病诊疗的重要手段之一,高分辨率MRI影像有助于医生良好地把握患者病情,但其对于成像设备精密程度的要求会导致昂贵的硬件成本,利用超分辨率技术从软件方向提高影像质量能够有效降低高分辨率影像获取成本。基于深度学习的超分辨率算法通过输入大量数据进行训练,能够有效利用图像自身的领域先验知识,重建出细节丰富、纹理清晰的超分辨率影像,与基于传统方法的超分辨率算法相比,效果有显著提升
【机 构】
：
中北大学
【出 处】
：
中北大学
【发表日期】
：
2021年01期
【基金项目】
：
其他文献
结合图论分析方法对功能磁共振图像进行研究,已经发现了许多精神疾病的大脑功能连接存在异常,但是在脑网络分析中还存在一些问题亟需解决。首先,目前基于图论的分析方法存在一些阈值选择问题,结果很容易受其影响而出现不一致性。其次,之前的研究假设磁共振扫描期间功能连接是静态的且不会随时间变化,但是脑网络是动态变化的,由此可能忽略一些随时间变化的重要信息。最后,遗传因素也会对阿尔茨海默病患者(Alzheimer
学位
甲状腺是人体最大的内分泌腺,大多数相关的疾病与甲状腺的形状、大小息息相关,常规超声检查甲状腺的组织大小也是评估甲状腺疾病的诊断依据,因此甲状腺组织的分割与体积重建对临床病理诊断有重大意义。而对于超声序列图像逐张切片人工标注获取目标组织再分析病理的任务来说,其人工成本较大并且受人为主观因素的影响较大,导致标注的图像存在较大误差。因此,需要设计一个能够自动分割超声甲状腺组织的计算机辅助诊断系统,这对临
学位
随着人工智能技术以及计算机设备的快速发展,人机交互技术已成为当今生活中不可或缺的一部分。手势以其简单、灵活的特点,使手势识别成为人机交互技术中的热门研究方向。传统的手势识别算法存在精度低、鲁棒性差等问题。近年来,深度学习在图像分类、目标检测等计算机视觉领域取得了巨大的成就,为手势识别的研究提供了新的方向。本文主要研究基于深度学习的手势识别,主要研究工作包括以下几点:1)采用深度学习网络模型对手势识
学位
网络空间威胁和风险日益增多,网络异常流量是目前主要的网络安全威胁之一,也是网络安全监测的关键对象。近年来,机器学习技术凭借优秀的特征学习能力被广泛应用于基于网络异常流量的入侵检测领域,但仍然存在一些问题,比如流量分类性能非常依赖于特征设计、网络流量入侵检测数据集类别不平衡、少数类识别精度差等。针对上述问题,本文从网络流量入侵检测特征集的表征形式,类别不平衡问题的处理方法以及分类器的选择等方面展开研
学位