空洞卷积神经网络低剂量CT图像去噪
Low-Dose CT Denoising with Dilated Convolutional Neural Network作者机构：四川大学计算机学院成都610065
出 版 物：《现代计算机》 (Modern Computer)
年 卷 期：2021年第27卷第16期
页 面：160-163页
学科分类：12[管理学] 08[工学] 1010[医学-医学技术（可授医学、理学学位）] 0831[工学-生物医学工程（可授工学、理学、医学学位）] 100207[医学-影像医学与核医学] 1006[医学-中西医结合] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 1002[医学-临床医学] 1001[医学-基础医学(可授医学、理学学位)] 081104[工学-模式识别与智能系统] 080203[工学-机械设计及理论] 0802[工学-机械工程] 0835[工学-软件工程] 100106[医学-放射医学] 0811[工学-控制科学与工程] 10[医学] 100602[医学-中西医结合临床] 0812[工学-计算机科学与技术（可授工学、理学学位）]
摘 要：现代医学技术的进步离不开医学影像的辅助诊断,随着CT技术应用越来越广泛,如何能够用更少剂量的X射线重建出更清晰的CT图像成为了众多学者的研究目标。以深度学习为基础的卷积神经网络图像去噪技术近年来发展迅速。本文提出一种以多层空洞卷积来提取特征的卷积神经网络模型用于低剂量CT图像去噪,并通过实验证明该模型在低剂量CT图像去噪方面的良好表现以及在不同条件下该网络模型的实用性。
维普期刊数据库
同方期刊数据库