检索结果-南通市图书馆

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

生成对抗网络医学图像去噪研究综述

中国生物医学工程学报 2022年第6期41卷 724-731页

作者：于淼许铮铧河北工业大学生命科学与健康工程学院天津300400

医学图像作为辅助医生诊断和治疗的重要手段,其清晰度对临床医疗的重要性不言而喻。生成对抗网络(GAN)独特的对抗训练思想在图像生成任务中展现出强大的学习能力,因其能生成高质量的样本,故在计算机视觉领域的研究前景光明。针对GAN应... 详细信息

医学图像作为辅助医生诊断和治疗的重要手段,其清晰度对临床医疗的重要性不言而喻。生成对抗网络(GAN)独特的对抗训练思想在图像生成任务中展现出强大的学习能力,因其能生成高质量的样本,故在计算机视觉领域的研究前景光明。针对GAN应用于医学图像去噪任务进行概括和总结。首先介绍GAN的基础理论和优缺点;然后对适用于医学图像去噪的GAN的衍生模型进行详细介绍,总结有助于提升GAN医学图像去噪性能的各种损失函数及其作用,以及其他可以嵌套在GAN模型中并对医学图像去噪起辅助作用的深度学习类框架;并总结提升医学图像去噪的GAN网络性能的方法;最后探讨了GAN用于医学图像去噪的应用前景、面临的挑战以及未来可能的研究方向。

关键词：生成对抗网络(GAN) 深度学习噪声医学图像去噪损失函数

在线全文

学校读者我要写书评

暂无评论

基于深度学习的医学图像去噪研究

基于深度学习的医学图像去噪研究

作者：程文临沂大学

学位级别：硕士

随着现代诊断医疗技术快速发展,核磁共振成像、电子计算机断层扫描等医学成像技术成为医疗诊断的重要手段。核磁共振成像通过在体外成像获取软组织图像,探测体内病灶部位,是辅助临床医学诊疗的重要依据。然而,核磁共振成像受到检测设备... 详细信息

随着现代诊断医疗技术快速发展,核磁共振成像、电子计算机断层扫描等医学成像技术成为医疗诊断的重要手段。核磁共振成像通过在体外成像获取软组织图像,探测体内病灶部位,是辅助临床医学诊疗的重要依据。然而,核磁共振成像受到检测设备和人体活动等不可控因素影响,造成噪声和伪影等图像质量退化问题,影响疾病诊断。针对医学图像的噪声与伪影等质量退化问题,提出了一种基于深度学习的医学图像去噪方法,主要研究内容如下:(1)针对噪声和棋盘伪影干扰问题,本文提出一种改进的U-Net架构。首先,改进UNet架构中下采样模块,使用块合并代替最大池化,解决图像信息损失问题。其次,改进U-Net架构中上采样模块,引入双上采样(双线性采样和亚像素卷积),避免转置卷积出现块效应造成的棋盘伪影问题。最后,使用残差连接加深网络结构,提高网络的表达能力,同时获取上下文信息和位置信息,解决病灶定位难题。(2)针对高分辨率特征图的计算复杂度高和去噪图像边缘模糊问题,本文提出一种Swin-Conv-UNet(SCU-Net)方法,将具有强大全局建模能力的Swin-Transformer和具有捕获局部特征的卷积神经网络结合在一起,并嵌入上述改进的Unet架构中。首先,构造浅层特征提取模块,通过单个3×3的卷积层来获取输入图像的颜色或纹理等低频信息。其次,构造了Unet特征提取模块,将浅层特征送入Unet来提取高层和多尺度的深层特征,防止图像细节信息丢失。最后,构造重建模块,通过聚合浅层与深层特征进行高质量图像重建。实验结果表明,基于Swin-Transformer改进的深度学习医学图像去噪模型具有较高的去噪精度和较快的运行速度,满足多种场景下的医学图像去噪任务,为医生医疗诊断提供强有力的技术支持与服务。

关键词：深度学习医学图像去噪 Unet Transfomer

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

PET/CT医学图像去噪方法的研究

清华大学学报（自然科学版） 2012年第8期52卷 1056-1060页

作者：强彦卢军佐赵涓涓太原理工大学计算机科学与技术学院太原030024

噪声元素在光子量有限的最大似然期望最大化(MLEM)方法重建PET/CT(positron emission tomography/computed tomography)图像研究的过程中影响甚至加重图像特征明暗度变化。为减小这类影响,该文提出了一种包含解剖端信息的中值非局部平... 详细信息

噪声元素在光子量有限的最大似然期望最大化(MLEM)方法重建PET/CT(positron emission tomography/computed tomography)图像研究的过程中影响甚至加重图像特征明暗度变化。为减小这类影响,该文提出了一种包含解剖端信息的中值非局部平均算法(AMNLM)。该算法是对适用低信噪比图像去噪的非局部平均算法(NLM)的改进。将该算法应用于临床肺部病变患者PET/CT图像的分析研究。参数反演结果表明,在视觉评估、病变对比度和噪声的权衡方面与中值滤波方法、小波滤波方法和传统NLM方法相比较,该方法具有更好的去噪效果,从而也验证了该方法的有效性。

关键词：医学图像去噪 PET/CT 非局部平均算法

基于OSV模型的迭代规则化医学图像去噪方法

在线全文

学校读者我要写书评

暂无评论

中国激光 2009年第10期36卷 2548-2551页

作者：陈冠楠陈荣林居强黄祖芳冯尚源李永增杨坤涛福建师范大学医学光电科学与技术教育部重点实验室福建福州350007 华中科技大学光电子科学与工程学院湖北武汉430074

提出一种基于Osher-Sole-Vese(OSV)模型的迭代规则化医学图像去噪方法。该方法使用迭代规则化方式,通过加入分解出的纹理和细节震动信号以修正原始OSV模型的全变分去噪结果,在一定程度上克服了医学图像去噪过程中对细节和纹理信息的过... 详细信息

提出一种基于Osher-Sole-Vese(OSV)模型的迭代规则化医学图像去噪方法。该方法使用迭代规则化方式,通过加入分解出的纹理和细节震动信号以修正原始OSV模型的全变分去噪结果,在一定程度上克服了医学图像去噪过程中对细节和纹理信息的过渡平滑。同时给出了迭代规则化医学图像去噪方法的实现步骤。实验结果表明,新方法能较好地保护医学图像的细节和纹理信息。

关键词：图像处理医学图像去噪 OSV模型迭代规则化纹理和细节

基于NSCT和全变差模型的医学图像去噪(英文)

在线全文

学校读者我要写书评

暂无评论

应用科学学报 2014年第5期32卷 481-485页

作者：马秀丽周峰周小军上海大学通信与信息工程学院上海200444 上海大学智慧城市研究院上海200444

分析了非下采样Contourlet变换(nonsubsampled Contourlet transform,NSCT)和全变差模型的特点,提出将NSCT和全变差混合模型应用于医学图像去噪.首先,通过NSCT变换将含噪图像分解,运用Visu萎缩阈值将NSCT系数进行处理,得到初次去噪图像... 详细信息

分析了非下采样Contourlet变换(nonsubsampled Contourlet transform,NSCT)和全变差模型的特点,提出将NSCT和全变差混合模型应用于医学图像去噪.首先,通过NSCT变换将含噪图像分解,运用Visu萎缩阈值将NSCT系数进行处理,得到初次去噪图像.然后,采用全变差模型对初次去噪图像进一步处理得到最终去噪图像.实验结果表明:该方法可以很好地保留图像细节,无论在客观上的峰值信噪比还是主观上的视觉效果都优于其他去噪方法.

关键词：非下采样Contourlet变换全变差医学图像去噪峰值信噪比

改进的各向异性复扩散模型的医学图像去噪方法

在线全文

学校读者我要写书评

暂无评论

小型微型计算机系统 2010年第5期31卷 969-973页

作者：张美玉张素琼秦绪佳徐晓刚浙江工业大学计算机科学与技术学院浙江杭州310032 大连舰艇学院装备系统与自动化系辽宁大连116018 浙江大学CAD&CG国家重点实验室浙江杭州310027

对医学图像进行有效的去噪并保持边缘信息,有利于图像的后续处理.本文分析P-M模型和Gilboa的复扩散模型以及它们的不足,提出一种改进的各向异性复扩散模型.该方法先用中值滤波对图像进行预处理,去除梯度值大的噪声点,然后用图像的虚部... 详细信息

对医学图像进行有效的去噪并保持边缘信息,有利于图像的后续处理.本文分析P-M模型和Gilboa的复扩散模型以及它们的不足,提出一种改进的各向异性复扩散模型.该方法先用中值滤波对图像进行预处理,去除梯度值大的噪声点,然后用图像的虚部求扩散系数,以此引导扩散模型中的边缘检测函数,再进行八邻域像素的扩散过程.实验表明,该方法能达到较理想的去噪和保持边缘的效果,而且减少了迭代次数,缩短了计算时间.

关键词：医学图像去噪偏微分方程 P-M模型各向异性复扩散

在线全文

学校读者我要写书评

暂无评论

基于深度卷积神经网络的医学图像去噪方法

基于深度卷积神经网络的医学图像去噪方法

作者：蒋晓奔浙江工业大学

学位级别：硕士

在现代医学诊断过程中,医学图像辅助诊断具有非常重要的作用。放射科医生通过非侵入式医学影像方法,来获得患者机体内部分组织的影像图像,不仅方便易得,而且可以尽量降低诊断过程中对患者带来的伤害。现有的医学图像,主要分为核磁共振... 详细信息

在现代医学诊断过程中,医学图像辅助诊断具有非常重要的作用。放射科医生通过非侵入式医学影像方法,来获得患者机体内部分组织的影像图像,不仅方便易得,而且可以尽量降低诊断过程中对患者带来的伤害。现有的医学图像,主要分为核磁共振成像（MRI）,X光片图,以及计算机断层扫描成像（CT）。但是在医学图像获取过程中,不仅会受到各种类型和程度的噪声影响,而且还会存在条状伪影,这都会在一定程度上干扰医生对疾病的诊断、分析和治疗。因此,对医学图像进行去噪,并尽可能提升去噪准确性就具有十分重要的科学研究意义和临床使用价值。本文主要研究了深度卷积神经网络（CNN）在医学图像去噪邻域的应用,主要研究工作和成果如下:（1）总结了国内外在医学图像去噪问题上的研究现状,并且针对目前主流的几种去噪算法进行深入分析。其中传统的去噪算法包括非局部均值（NLM）、非局部全变分正则化算法（NLTV）、以及三维块匹配滤波算法（BM3D）。基于机器学习的去噪算法包括降噪自编码器（DAE）、多层感知器的图像去噪模型（MLP）、使用残差学习方法的去噪模型（Dn CNN）。分析了这些去噪方法的优缺点,以及在医学图像去噪问题上存在的不足。（2）针对深度卷积神经网络模型进行着重研究,分析其在医学图像去噪问题上的优势性。通过使用批量正则化、残差学习、多尺度并行提取噪声等研究方法,进一步优化现有的深度卷积神经网络模型。针对X光片图像噪声分布特点提出X-Re CNN去噪模型,同时针对CT图像噪声分布情况提出CT-Re CNN去噪模型。实验结果表明,模型X-Re CNN和CT-Re CNN不论是在主观视觉效果上,还是在客观评价指标上都要比上述其他算法有所提高。不仅能够有效地去除医学图像中的噪声,并且还能更好地保留医学图像中的纹理细节。（3）为了进一步降低模型复杂度,缩短模型训练和去噪所需时间,本文还分别使用深度可分离卷积,以及空洞卷积对模型进行轻量化操作。实验结果表明,轻量化后的模型不仅可以出色地完成去噪任务,而且所需去噪时间也有所缩短。

关键词：医学图像去噪卷积神经网络多尺度并行深度可分离卷积空洞卷积

基于小波阈值及非线性滤波的医学图像去噪算法研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于小波阈值及非线性滤波的医学图像去噪算法研究

作者：崔金鸽吉首大学

学位级别：硕士

医学图像去噪技术是医学图像处理与分析的基础,其目的是将图像中噪声剔除,最大程度还原图像原始信息,为临床医学诊断和病理学研究提供参考依据。然而由于不同的成像机理、设备和仪器的精度误差、操作不当等实际因素的影响,医学图像在收... 详细信息

医学图像去噪技术是医学图像处理与分析的基础,其目的是将图像中噪声剔除,最大程度还原图像原始信息,为临床医学诊断和病理学研究提供参考依据。然而由于不同的成像机理、设备和仪器的精度误差、操作不当等实际因素的影响,医学图像在收集过程中极易受噪声的干扰,随着图像分辨率的提高,噪声会被放大,从而降低了图像的质量,一些组织边界甚至变得模糊,细微结构难以辨认,因此去噪对于医学图像处理至关重要。根据医学图像中含有的噪声类型和受污染程度,本文提出了基于小波阈值及非线性滤波技术的去噪算法,具体从三个部分展开讲述,从而更有针对性地进行降噪处理。（1）针对含有单一高斯噪声的X-ray,CT及MRI,选用具有良好频域特性的改进小波阈值去噪算法,将小波分解后的小波系数进行高频方向阈值量化,保留低频方向系数,最后小波重构,实现高斯噪声的去除。仿真结果表明本文提出方法可以有效的去除高斯噪声,同时更好地保留图像边缘信息。（2）针对含有高斯噪声和脉冲噪声的混合噪声图像,提出了基于DT-CWT和自适应双边滤波去噪算法,具备6个分解方向的双树复小波更具有分解稳定性,分解后高频系数经过阈值量化,低频部分系数经过双边滤波进行滤除,再经双边滤波进一步滤除,重构后就可实现去噪。实验结果表明,该方法对于混合噪声具有较好的去除效果,尤其是噪声污染轻的情况。（3）为更好解决医学图像中的重噪声问题,本文提出了一种基于DWT和修正的中值滤波去噪算法。首先,通过小波分解为4个子带（LL,HL,LH,HH）,其中LL为低频,LH,HL,HH分别为水平,垂直和对角线高频子带;然后,利用改进的小波阈值对高频系数进行处理,保留低频系数,对小波阈值处理后的3个高频子带进行修正中值滤波处理,通过阈值分割实现混合噪声的滤除,最后通过小波重构得到去噪后的图像。这种方法的优点是结合中值滤波和小波的优点,利用耦合系数的处理,使得去噪效果更好,避免了以往两种方法的简单组合。总之,医学图像的去噪处理过程,既要有效去除噪声,又要很好的保留完整地边界和细节信息。这些都为后期高级处理提供可靠的保障,文中以B超胎盘图像为例,展示了噪声对计算机视觉识别精确性的干扰,具体包括特征抓取和感兴趣区域ROI分割不到位等现象,尤其是图像边缘轮廓信息的识别。

关键词：医学图像去噪小波阈值非线性滤波耦合系数计算机视觉

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

一种医学图像去噪程序的并行优化

中国医学物理学杂志 2012年第6期29卷 3781-3783,3840页

作者：褚晶辉李英敏宋垣吕卫天津大学电子信息工程学院天津300072 南京炮兵学院廊坊校区河北廊坊065000

目的:在采集、处理和传输过程中,医学图像会存在各种噪声,严重影响医学图像的质量和后续对图像的各种处理,因此医学图像去噪具有重要意义。同时医学图像数据量大,去噪处理算法复杂,在一般个人电脑上进行医学图像去噪仍是一个非常耗时的... 详细信息

目的:在采集、处理和传输过程中,医学图像会存在各种噪声,严重影响医学图像的质量和后续对图像的各种处理,因此医学图像去噪具有重要意义。同时医学图像数据量大,去噪处理算法复杂,在一般个人电脑上进行医学图像去噪仍是一个非常耗时的过程,很难满足实际应用中高实时性的要求,因此需要通过优化来提高去噪的处理速度。方法:本文利用CUDA(Compute Unified Device Architecture)并行编程对基于同质算法的三维医学图像去噪进行加速,CPU和GPU(Graphic Processor Unit)异构编程方式能发挥GPU高强度的计算能力,提高算法的执行速度。通过使用纹理存储器将图像数据与纹理绑定,优化存储器访问,提高数据访问速度。优化过程中,合理选择三维图像数据的分块方式和线程块维度,可以获得更快的加速。结果:与基于同质的matlab和CPU去噪程序相比,并行优化后GPU程序在保持去噪图像质量的前提下可以达到几百倍的加速。结论:CUDA加速大大缩短了三维医学图像去噪的运行时间,解决了医学图像去噪的速度瓶颈问题,可以应用于对运行速度有要求的图像处理中。

关键词：并行优化医学图像去噪同质