【摘 要】
：
CT技术因其成像清晰、扫描速度快等特点在临床筛查、病情追踪医学领域得到了广泛应用。CT技术的出现为医生诊断病情提供了有效的参考,但近来有研究表明CT拍摄时产生的辐射会对病人的身体健康带来很大的隐患。因此人们也越来越重视CT技术中的X光带来的危害。研究人员尝试降低辐射剂量来减少对病人身体的危害,但实验结果表明,降低辐射剂量将直接影响图像质量的好坏,因为会导致获取的图像产生噪声和伪影,不利于医生对疾病
论文部分内容阅读
CT技术因其成像清晰、扫描速度快等特点在临床筛查、病情追踪医学领域得到了广泛应用。CT技术的出现为医生诊断病情提供了有效的参考,但近来有研究表明CT拍摄时产生的辐射会对病人的身体健康带来很大的隐患。因此人们也越来越重视CT技术中的X光带来的危害。研究人员尝试降低辐射剂量来减少对病人身体的危害,但实验结果表明,降低辐射剂量将直接影响图像质量的好坏,因为会导致获取的图像产生噪声和伪影,不利于医生对疾病的诊断甚至造成误诊。针对低剂量CT图像容易产生噪声和伪影的问题,本文在一些经典算法的基础上进行了相应的改进,以提高低剂量CT图像的质量。同时也在RED-CNN的基础上做了相应的调整和改进,提出了一种轻量级的低剂量CT去噪网络。本文主要从两个方面进行改进,主要的工作和内容有:（1）本文为提高CT图像质量而提出了一种基于卷积神经网络的无监督CT去噪网络。受X光固有的危害性和人体各组织部位的影响,使得对齐数据不易获取,相对而言非对齐数据则更容易得到。而目前多数算法则是基于监督训练并且需要采用对齐数据进行训练才能发挥出较好的去噪水平,在非对齐数据上的表现则显得不尽人意。因此针对非对齐数据无法用监督学习进行训练并获得较好效果的问题,本文在基于CycleGAN的基础上,对原始的生成器、判别器和损失函数做了相应的调整和改进。实验表明改进的算法在低剂量CT图像上表现出了良好的性能。（2）考虑到目前大多数算法的网络结构的复杂性、规模也越来越大,这会导致资源的浪费和效率下降。本文设计并改进了一种基于深度学习的轻量级低剂量CT去噪算法。选定可靠有效的一个轻量级去噪网络,然后利用卷积神经网络的损失函数在网络训练过程中的指导作用,配置科学高效的损失函数,与轻量级去噪网络配合训练出优秀的低剂量CT去噪网络。实验表明提出的方法在提升效率的同时还保持了低剂量CT图像的质量要求。
其他文献
工业物流是指在产品的制造过程中,对生产加工的工具、生产产品消耗的原材料和加工完成的成品进行运输周转的过程。将自动引导小车（Automated Guided Vehicle,简称AGV）应用于工业物流中并配合产品的生产节奏完成运输任务,能够提高运输效率,减少生产成本,进一步提高生产效率,是企业生产自动化、智能化的重要环节。AGV在工业物流的实际应用往往是多台小车协同有序的执行各个运输任务,将物品准确
仓储系统广泛应用于现代物流行业,在物流的良好、快速发展进程中扮演着非常重要的角色。多层子母车仓储系统是建立在传统仓储系统的基础上发展形成的一种高密集型仓储系统,其具有空间利用率高、作业灵活等特点。仓储系统的作业效率会直接影响整个仓储系统的计算成本,因此提高仓储系统的作业效率是非常有必要的。仓储系统中货位布置作为系统作业的关键一环,合理的货位摆放有助于提高其作业效率,所以对仓储系统的货位进行分配优化
基于视觉的轨道扣件缺陷检测方法作为一种可替代人工巡检方式的低成本、高效率方法,在铁路运输安全保障方面具有重要的研究意义和广泛的应用价值。传统方法由于使用的是低级视觉特征,在扣件定位以及扣件缺陷分类任务上存在准确率低、鲁棒性差、泛化性差等缺点,因此并不适用于复杂环境下的扣件缺陷检测任务。基于深度学习的方法相较于传统方法在准确率、鲁棒性以及泛化性上都有明显的优势,然而这些方法大都忽略了扣件目标的特性,
计算机断层成像技术（Computed Tomography,CT）是一种在临床诊断中广泛使用的医学成像技术。它使用X射线在不同的角度对人体拍摄一系列的投影同时与计算机处理相结合,从而恢复出人体内部软组织、血管和骨骼等横截面图像切片。然而,X射线作用于人体会产生电离辐射,可能会诱发癌症、白血病等一系列疾病。因此,研究降低辐射伤害的同时得到尽量清晰的CT图像具有非常重要的意义。目前降低辐射剂量的方式有
信息化时代,以深度学习为代表的人工智能技术飞速进步并逐渐渗透到各行各业。随着近年来航空运输业的蓬勃发展,每日需要处理的飞行计划数据量日益增加,而航路作为飞行计划中FPL报文的重要组成项,由于其复杂的编写规则,目前仍然主要依靠人工进行错误检查。为提高工工作效率、节约人工成本,本文将深度学习引入航路报文纠错领域,采用端到端的神经机器翻译方法,将报文纠错过程看作错误航路到正确航路的“翻译”过程,从而实现
空中管制的智能化发展使得对智能飞行控制提出了更高的要求。目前为解决终端空域繁忙、结构复杂等问题,智能空管系统一般使用移动时隙对飞机进行调度。这意味着当飞机进入终端区域接收到加入时隙命令时,飞机应具备自主寻找路径加入时隙的能力。然而在空域结构较为复杂的终端区域内,传统的飞行控制方法依赖于已有的航程数据、精确的数学模型,当飞机的连续运动发生突变时,不能达到飞行目的,给时隙的调整和加入造成困难。在这种情
在基于生物特征识别的身份核验系统中,说话人识别技术相较于其他生物特征识别技术具有很多优势。由于实际使用中的身份核验系统对识别准确率、系统鲁棒性有着极高的要求,而目前说话人识别技术水平还很难满足系统的这些性能需求,因此该技术仍处在技术研究阶段,并未大规模在实际场景中应用。为提升模型的识别性能和模型的鲁棒性,本文对说话人识别中的关键技术:语音特征提取、损失函数与识别模型结构三个方面进行了相应研究。本文
在法医学身份认定实践工作中,传统主流方法是DNA对比、指纹识别、面部识别等。但是在大规模灾难发生的时候,尸体经常出现腐败化、白骨化、焚毁化等极端现象,前述传统方法难以应用。能否及时、准确地识别死者的身份,对于加快灾后重建,稳定遇难者家属的情绪至关重要。颅骨的蝶窦部位因为具有生物特异性以及抗物理损毁能力,在大规模灾难发生时,通常被法医学专家选作参考资料实现死者的身份认定。既往法医放射学专家通常利用蝶
低空监视雷达是基于三坐标的一次监视雷达。雷达有效工作范围为50km,搜索高度最高为3km,主要是对近低空的低小慢目标进行跟踪。低空监视雷达工作环境复杂,易受气象条件、地杂波、多役干扰等因素的影响。为解决在杂波密集情况下低空监视雷达目标跟踪算法性能效果不佳的问题,本文提出了基于机器学习的航迹起始分类算法和基于模糊聚类的联合概率数据关联算法,以提高目标跟踪的正确率,并满足实时性要求。基于机器学习的航迹
飞行冲突识别与调配活动在实际管制过程的占比较大,对该活动事项展开研究并研发出相应的辅助决策系统可以减轻人员的工作负荷和增强空管的服务能力。本文提出了基于神经网络的冲突识别与调配模型,通过学习历史数据获得管制员的管制策略,然后提供可被信赖的飞行识别与调配功能并完成相应系统模块程序的编写。探究相关的理论知识,该技术理论的研究往往结合航空器的运动学建立相应的数学模型,冲突识别尚可获得相对良好的效果但给出