【摘 要】
:
计算机断层成像技术(Computed Tomography, CT)利用人体各个位置的器官对X射线的吸收程度差异,通过测量X射线穿过人体后剩余的光子数,依据Radon变换等数学原理,重建出反应人体内部器官信息的CT图像。CT成像技术可以在无损条件下获得病人内部器官的结构,故应用广泛。但过高剂量的X射线扫描会损害人体内部器官结构。临床中,多通过降低X射线管阴极电流来降低扫描剂量,但是这会让重建CT图
论文部分内容阅读
计算机断层成像技术(Computed Tomography, CT)利用人体各个位置的器官对X射线的吸收程度差异,通过测量X射线穿过人体后剩余的光子数,依据Radon变换等数学原理,重建出反应人体内部器官信息的CT图像。CT成像技术可以在无损条件下获得病人内部器官的结构,故应用广泛。但过高剂量的X射线扫描会损害人体内部器官结构。临床中,多通过降低X射线管阴极电流来降低扫描剂量,但是这会让重建CT图像包含较多的噪声。此外,由于设备条件和重建算法等限制,低剂量CT重建也会产生模糊和伪影。这些干扰因素会严重降低重建图像的质量,进而影响后续的诊断和治疗,因此低剂量CT重建的研究具有重要的现实意义。
近些年来,深度学习获得了快速的发展,它不仅在高级别的计算机视觉任务比如图像分类、分割等领域取得了长足的进步,还在低级别的图像去噪复原等问题上也获得了很大的成功。本文的主要任务就是尝试用深度学习方法解决低剂量CT重建中存在的两个方面问题:
(一)低剂量CT重建图像的模糊问题。本文对CT重建中存在的模糊问题进行数学建模,并使用数学推导和深度学习相结合的方式求解。基于深度学习的CT图像去模糊算法不仅实现CT图像的去模糊,还能抑制噪声,保护图像的结构和边缘等信息。
(二)低剂量CT重建中的伪影问题。传统解析类CT重建方法可以很快的重建出CT图像,但是它不能很好的排除伪影和噪声等干扰。本文提出了使用深度学习和FBP算法相结合的方法,不仅可以保留传统FBP算法快速重建图像的优点,还能有效地去除噪声和伪影等干扰信息。
其他文献
随着5G和物联网的全面推进,对互联枢纽——天线的辐射特性有了越来越高的要求。3D打印技术的商业化应用与新材料的不断涌现使得天线的设计有了更多的可能性。在这样的背景下,非均匀压缩天线是一个非常有价值的研究方向。通过非均匀压缩,控制天线上的电流分布(如幅度比例、相位等)以及天线近邻的电磁场分布,可以实现对天线的小型化、增益强化、波束赋形、阻抗改善或模式增加等功能,同时也赋予了天线设计更多的自由度。本文
半导体光催化技术已被广泛应用于环境污染物的降解,转化和矿化,以及太阳能的转换利用。科学界普遍认为光催化是解决环境污染和能源短缺问题的有效方法。在本论文中,研究了两种新型可见光响应型催化剂,分别是铁电材料钛酸铋(Bi4Ti3O12)和非金属有机半导体石墨相氮化碳(g-C3N4)。由于钛酸铋和石墨相氮化碳固有的局限性,对太阳光的吸收能力有限,并且光生载流子的复合率高,因此可见光下催化性能较差。本论文从
差分吸收激光雷达技术是远程微量气体探测的先进遥感技术。该类探测系统在大气环境监测和特定目标监测等方面具有广阔的应用前景。对于该类探测系统的研究,国外已经研制出部分实用的探测系统,而我国目前窄吸收谱线气体探测主要还处在探索阶段。根据应用的迫切需求,本文开展了相关理论和实验研究工作。 根据国外理论和实验研究的成果,对于CO2这类光谱吸收线非常窄的气体,对应的差分吸收激光雷达探测系统,激光稳频技术是最
本论文针对应用于无线传感器网络节点接收机的流水线模数转换器(ADC),重点研究了流水线ADC的电路设计技术和低功耗设计方法,使用0.18μm混合信号CMOS工艺设计并实现了两款1.8V40MS/s的中等精度流水线ADC。 在系统设计方面,首先对流水线ADC的非理想误差来源进行了全面的理论分析,讨论了各种非理想误差对流水线ADC性能的影响,推导了满足精度和速度要求的电路设计指标和采样电容值。接着建
随着无人机和并行计算等技术的发展,基于图像的三维重建在众多领域都有着相关应用。纹理映射对于提高三维模型的真实感有着重要意义,是三维重建的关键问题之一。为优化纹理映射在大规模场景下的性能,基于凸优化方法提出了高并行度的视图选择算法,提高了纹理映射算法的计算效率;利用形变信息抑制扭曲纹理生成,并实现了对三维模型的快速自适应分块,进一步拓展了纹理映射在大规模场景下的实用性;联合图像与三维模型的信息,优化
自20世纪50年代开始,光电成像末制导武器由于其高效费比,大量应用于战场。为有效保护目标,烟幕干扰技术作为一种重要的光电对抗手段被广泛投入使用。烟幕干扰严重影响了红外图像目标识别算法的性能和红外末制导武器的打击效果。相较于空中目标和海面目标,地面目标背景更为复杂,对抗烟幕干扰的难度也更大。如何在烟幕干扰条件下有效地提高地面目标识别算法的性能是亟待解决的问题。论文针对该问题,在红外烟幕干扰图像特性、
图像协同分割任务旨在从一组图像中分割出它们共同包含的目标,这对帮助研究者从海量网络图像中获取感兴趣的物体具有很大的益处,是当前人工智能研究热点之一。尽管关于协同分割的研究已经有较长的历史,但基于深度学习的研究仍存在很多需要深入探讨的问题。当前基于深度学习的协同分割模型利用孪生网络结构提取一对图像的语义特征,再对语义特征执行特征对比,并基于对比后的特征解析共同目标所在的区域。虽然当前的模型的性能相较
眨眼作为人体的一个典型动作,预示着个体当前的生理和心理状态信息。近些年来,人们逐渐发现眨眼检测可以广泛应用于日常生活中的众多领域,诸如活体检测领域里的行为活体确认,医疗领域的干眼症恢复,刑侦领域的测谎以及辅助驾驶领域的疲劳检测。因此,近十年诞生了大量眨眼检测相关的工作,也取得了较为可喜的结果。但是,目前的方法大多数集中于在特定受约束的数据集上,进行眨眼检测,这与现实生活中的非受限情况相距甚远。因此
随着人工智能时代的到来,越来越多的机器人融入到生产过程中。它们将人类从繁重和重复的劳动中解放出来。随着机器人数量的增加和生产柔性需求的提升,机器人将面对更大的碰撞风险和运动规划的运算压力。 论文以流水线物流分拣堆码为场景,以两个六自由度机械臂为研究对象,使用基于概率采样的随机路标法,设计了多自由度机器人实时运动规划系统。对于码垛形成的障碍物,论文设计了静态码垛碰撞检测加速器,通过改进基于空间分割
随着老龄化人口的增多,阿尔兹海默症(Alzheimer’s Disease, AD)带来的社会问题也日益凸显。作为一种现阶段无法治愈的疾病,如何尽早地对患者进行识别以便进行早期干预减缓病程成为一项具有重要意义的研究工作。深度学习方法的兴起为AD识别方法的研究注入了新的活力,本文对基于深度学习的AD识别方法进行了探索和研究,主要研究内容包括: 现有基于功能磁共振影像的AD识别都是先将四维功能磁共振