检索结果-南通市图书馆

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

一种面向4/5G用户的双域分流方案研究

电信科学 2024年

作者：马洪源冯征周维宋旭光杨小乐中国移动通信集团有限公司中国移动通信集团设计院有限公司

面向4/5G用户同时访问公网和专网业务的需求，梳理了业内现有技术方案及其局限性，提出一种网络侧无感分流方案。手机终端仅需建立公网IP业务通道，网络检测到用户使用专网业务时，由SMF/PGW-C在网络侧为用户建立专网IP业务通道，分流... 详细信息

面向4/5G用户同时访问公网和专网业务的需求，梳理了业内现有技术方案及其局限性，提出一种网络侧无感分流方案。手机终端仅需建立公网IP业务通道，网络检测到用户使用专网业务时，由SMF/PGW-C在网络侧为用户建立专网IP业务通道，分流用户的专网业务；手机终端仅存在一个IP通道传送公网业务和专网业务，对应在网络侧存在一个公网IP通道和一个专网IP通道，并由SMF/PGW-C完成用户侧IP通道与对应网络侧公网IP通道和专网IP通道的映射拼接以及用户IP地址替换，实现用户公网业务与专网业务的分流。该方案既满足双域专网业务需求，又能够实现网络侧对用户的公网业务IP通道和专网业务IP通道的分别管理和计费，且对终端无额外要求。

关键词： 4/5G 双域网络无感分流会话 DNN/APN

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于卷积神经网络的CT重建算法研究

基于卷积神经网络的CT重建算法研究

作者：李昆鹏中北大学

学位级别：硕士

X射线计算机断层（Computed Tomography,CT）成像技术是一种高效地无创诊断技术,在辅助临床诊疗方面发挥着至关重要的作用。高效可靠的CT重建算法是CT成像技术中重要的一个环节。临床患者在CT检查过程中会伴随辐射风险,过量的辐射会诱... 详细信息

X射线计算机断层（Computed Tomography,CT）成像技术是一种高效地无创诊断技术,在辅助临床诊疗方面发挥着至关重要的作用。高效可靠的CT重建算法是CT成像技术中重要的一个环节。临床患者在CT检查过程中会伴随辐射风险,过量的辐射会诱发白血病和癌症等疾病。稀疏角度扫描是一种常见的减少辐射剂量的方式,但该扫描方式会导致投影数据不完备。若采用不完备的投影数据进行CT图像重建,则会导致重建图像中存在伪影、噪声和重建图像解剖细节不清晰,进而影响临床医生做出诊断。因此,研究提高稀疏角度CT重建图像质量的算法至关重要。基于卷积神经网络（Convolutional Neural Networks,CNN）的重建算法是目前最有潜力的CT重建算法,它借助神经网络强大的特征提取和组合能力提高了CT重建图像的质量,具有重建速度快,重建图像质量高等优点。本文主要研究基于卷积神经网络的CT重建算法,分别研究了联合投影频域滤波的双域网络和基于正弦图生成的双域网络。论文的主要研究工作如下:（1）针对解析重建算法中的时域滤波器不精准导致重建图像存在伪影和图像细节丢失等问题,研究了一种基于卷积神经网络的时频域CT重建算法。首先,在频域中构建了基于卷积神经网络的滤波器网络,实现投影数据的频域滤波;其次,利用反投影操作算子对频域滤波后的投影进行域转换得到重建图像;接着,在图像域构建网络来对来自反投影层的图像进行处理;最后,在采用最小均方误差损失函数基础上引入多尺度结构相似度损失函数来组成复合损失函数,缓解深度神经网络对结果图像的模糊效应,保留重建图像细节。图像域网络和投影域滤波网络联合作用,最终得到重建结果。在数据集上验证了所提方法的有效性,实验结果表明,所提算法对提高CT图像重建图像质量是可行且有效的。（2）针对由于稀疏角度扫描采集到不完备的投影数据导致稀疏角度CT重建图像信噪比低、存在条状伪影等问题,研究了一种基于正弦图生成的双域CT重建网络。首先,在投影域中采用卷积神经网络对非完备投影数据补全,同时使用编解码网络对补全的投影数据做修正和滤波;然后,滤波后的投影数据通过反投影层得到重建图像;最后,在图像域使用神经网络对重建图像进一步恢复;整个的网络采取端到端的训练方式。在仿真的数据集上对算法进行实验验证,实验的结果显示该方法对提高稀疏角度CT重建图像质量是可行且有效的。

关键词：双域网络 CNN CT 频域滤波稀疏角度CT重建

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于双域卷积神经网络的MRI重建算法

基于双域卷积神经网络的MRI重建算法

作者：李真晶中国科学技术大学

学位级别：硕士

磁共振成像(Magnetic Resonance Imaging,MRI)是一种高效的医学成像工具,有着诸多独特的优势。然而MRI的一个弊端是它的成像时间过长,影响了病人的体验以及降低了最终的成像质量。过去几十年间,MRI信号的欠采样重建成为加速MRI技术的热... 详细信息

磁共振成像(Magnetic Resonance Imaging,MRI)是一种高效的医学成像工具,有着诸多独特的优势。然而MRI的一个弊端是它的成像时间过长,影响了病人的体验以及降低了最终的成像质量。过去几十年间,MRI信号的欠采样重建成为加速MRI技术的热门思路,如并行成像、基于压缩感知的MRI重建等。深度学习技术出来后,研究者们将其引入到MRI的欠采样重建中,虽然取得了一定的研究成果,但还有很大的探索空间。本文基于深度学习技术,研究双域卷积神经网络在MRI重建中的使用,包括单通道MRI重建以及多通道并行MRI重建。本文的主要工作包含以下两点:(1)提出基于双域U-net的单通道MRI重建方法。目前大多数的基于深度学习的MRI重建方法还是集中在图像域中处理,这类方法没有很好地利用欠采样MRI中的频域信息。本课题设计了一种新的双域混合模型,并使用了 U-net中的多尺度思想,在多个分辨率下重建图像,并且交替在K空间与图像域进行重建,在每个子网络后都使用了数据一致性模块对重建结果进行校正,同时融合多个子网络的重建信息,提高MRI重建的精度。最后,本文通过自比较实验以及与其它优秀算法的对比实验,验证了本文所提出方法的有效性。(2)提出基于模型展开的并行MRI双域重建方法。相对于单通道MRI,并行MRI使用了多个处于不同位置的线圈接收成像信号。本课题构建了多通道并行MRI的数学重建模型,并且使用梯度下降法将其展开,根据此来设计重建网络。该网络使用多个双域子网络级联而成,在每个子网络中,首先通过一个K空间的网络对欠采样的K空间数据进行插值操作,随后再使用图像域中的网络做进一步的去噪处理。同时,我们使用一个简单的网络来预测每个接收线圈的敏感度图,并在每轮迭代后使用新预测出的数据进行更新。随着迭代次数的增加,每个子网络的重建难度也会逐渐降低,重建精度也会越来越高。最后,本网络使用了多级监督损失来进行训练。实验结果表明,本文所提出的方法有着很好的重建质量。

关键词：磁共振重建双域网络信息融合多尺度模型展开法数据一致性先验多级监督损失

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

人工智能在医学CT图像重建中的研究进展

太原理工大学学报 2023年第1期54卷 1-16页

作者：李青李润睿强彦成煜斌王涛太原理工大学信息与计算机学院太原030024

计算机断层扫描成像(CT)是临床医学中广泛使用的一种医学图像,它可以清晰地可视化人体内部精细结构细节。在临床操作中,为防止患者暴露在高辐射X射线束下引起组织受损,通常最小化X射线以获得CT图像,但会导致成像质量严重下降。为解决上... 详细信息

计算机断层扫描成像(CT)是临床医学中广泛使用的一种医学图像,它可以清晰地可视化人体内部精细结构细节。在临床操作中,为防止患者暴露在高辐射X射线束下引起组织受损,通常最小化X射线以获得CT图像,但会导致成像质量严重下降。为解决上述矛盾,如何重建出符合临床需求的CT图像是国内外研究者广泛关注的、具有挑战性的难点问题。随着人工智能领域深度学习技术的蓬勃发展,在大数据驱动下,利用深度学习技术来提升CT重建质量成为当前研究热点。本文分析了CT图像重建机理;总结了现有重建模型并梳理了重建方法的优劣势,根据深度学习方法的成像过程,将现有方法分为4大类,并依次介绍4类方法的基本思想,总结了重建方法优缺点;归纳了目前公开的公共数据集以及增加训练样本方法,并对损失函数的多样性进行对比分析;讨论了该新兴领域目前仍然存在的问题,展望了后续研究中需要解决的关键问题,以便于相关研究人员了解CT重建领域的研究现状,促进该领域的长足发展。

关键词：人工智能计算机断层扫描图像重建深度学习投影域图像域双域网络

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于深度学习的稀疏CT图像重建算法研究

基于深度学习的稀疏CT图像重建算法研究

作者：李润睿太原理工大学

学位级别：硕士

如今,计算机断层扫描(CT)对于临床诊断越来越重要,但在检测过程中X射线的电离辐射是有害的,可能会增加癌症的风险。因此,在医学诊断中除了通过降低管电流或管电压的方式来实现辐射剂量的减少,研究人员还建议通过减少探测器的数量来获得... 详细信息

如今,计算机断层扫描(CT)对于临床诊断越来越重要,但在检测过程中X射线的电离辐射是有害的,可能会增加癌症的风险。因此,在医学诊断中除了通过降低管电流或管电压的方式来实现辐射剂量的减少,研究人员还建议通过减少探测器的数量来获得稀疏的正弦图,以减少对人体的辐射影响。然而,稀疏的正弦图存在一些问题,包括模糊和条纹伪影,这可能会在一定程度上混淆诊断评估。研究表明,如何从稀疏的正弦图中重建出高质量的CT图像已然成为医学界非常关注的一个问题。近年来,受益于医学设备的更新迭代以及计算机技术的快速发展,越来越多的CT图像数据集公布出来。随着人工智能技术引入CT重建领域,基础数据驱动的深度学习方法逐渐代替传统的基于迭代的CT重建方法,使得重建出的CT图像质量大幅度提高,但以往的深度学习模型大多为基于卷积的神经网络,导致模型感受野不足,无法捕捉图像中的长期相关性。基于以上现状,本文提出了基于双域自注意力的稀疏CT图像重建算法研究,主要包括以下几方面的工作:(1)鉴于减少探测器的数量可能会导致更大更复杂的噪声以及更加严重的条纹伪影,消除稀疏正弦图噪声和伪影的方法越来越受到关注。另外如何在保证不降低去噪和去伪影的基础上,尽可能的获得图像更多的全局信息。本文提出了一个基于Transformer的模块:DDPTransformer Block用于捕获图像中的长期相关性,并从稀疏采样的正弦图中重建高质量的CT图像。更具体地说,使用并行的Transformer Block来代替传统的卷积运算,并通过不同的分割方式用于增强Patch块的边缘信息。此外,考虑到要处理的是二维图像,我们提出了Layer-Conv-Layer(LCL)模块来代替Transformer中的多层感知机(MLP)模块进行特征提取。最后,以DDPTransformer Block为骨干,本文提出了一个具有四个阶段的深度学习模型,包括插值层、正弦域子网络层、滤波反投影(FBP)层和图像域子网络层。为了训练模型,我们使用“Low Dose CT Image and Projection Data(LDCT-and-Projection data)”数据集。实验结果表明,对于不同人体部位以及不同稀疏采样正弦图,本文所提出的模型在峰值信噪比(PSNR)、结构相似性(SSIM)和均方根误差(RMSE)等性能评价指标上均为最好的效果,并且其鲁棒性已通过其他数据集进一步验证。(2)尽管基于深度学习的模型可以在稀疏视图上重建出质量非常好的CT图像,但其所需要的成本也是很昂贵的,比如需要越来越多的数据集,以及模型的参数量和计算量也越来越大。而基于迭代重建的传统算法随着迭代次数的增加,也可以重建出质量不错的CT图像,并且对数据集的规模以及对算法的参数量和计算量要求没有那么高。但需要付出的是比深度学习模型多数十倍甚至百倍的时间。基于此,本文提出一个了基于迭代重建的深度学习模型,用于解决稀疏采样下的CT重建。将基于深度学习和基于迭代重建的算法结合起来的模型。其具有对数据集规模的要求低、模型复杂度小和计算时间少的优点。并且实验结果表明其模型性能取得了令人满意的效果。

关键词：稀疏采样下的CT重建深度学习算法注意力机制迭代重建算法双域网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的CT重建算法研究

基于深度学习的CT重建算法研究

作者：任恕慧中北大学

学位级别：硕士

计算机断层成像(Computer Tomography,CT)技术被广泛应用于现代医学领域中,该技术利用X射线穿过不同物质时衰减程度不同的特性,对物体内部进行成像。然而,当X射线扫描所得投影数据的信噪比较低时,利用传统CT重建算法重建后的图像中通常... 详细信息

计算机断层成像(Computer Tomography,CT)技术被广泛应用于现代医学领域中,该技术利用X射线穿过不同物质时衰减程度不同的特性,对物体内部进行成像。然而,当X射线扫描所得投影数据的信噪比较低时,利用传统CT重建算法重建后的图像中通常含有较多的伪影和噪声,这些伪影和噪声会影响医生对疾病的诊断。近年来,深度学习技术的快速发展为解决CT图像质量问题提供了新的可能。卷积神经网络(Convolutional Neural Network,CNN)作为深度学习技术的重要组成部分,具有强大的特征提取能力,能够从大量的CT图像数据中学习到图像的高级特征,用于重建图像的质量改善。因此,本文将深度学习与CT重建方法相结合,以此提高重建图像的质量。具体工作如下:(1)针对低剂量扫描导致重建图像中噪声和伪影残留较多的问题,研究了一种基于图像散度特征增强的低剂量CT图像去噪算法。该算法以编解码网络为框架,利用堆叠的卷积操作对输入图像进行编码;堆叠的反卷积操作实现特征解码;通过一种新的跨层连接方式,提取编码器输出特征图的散度对解码器输出特征图的边缘和纹理细节进行增强。新的跨层连接方法通过固定参数的卷积核对编码模块输出特征图进行卷积,提取其散度特征,然后对提取的散度分布进行加权,最后将加权后的散度分布传递到解码模块中,从而实现了解码模块输出特征图中边缘和纹理细节的直接增强。该算法在Mayo数据集和Piglet数据集上分别进行了实验,并与当下几种应用较为广泛的去噪方法进行比较。实验结果表明,该算法能够有效提高重建图像的视觉效果,在降噪和结构保持方面表现优异。(2)针对传统CT重建算法在输入信号的信噪比较低时,重建后的图像中通常包含较多的噪声和伪影的问题,研究了一种基于注意力机制的双域重建算法。该算法首先在投影域通过上采样网络对投影角度进行扩充,以增强反投影算法的精度,同时利用注意力机制对投影数据生成权值,突出重要信息;其次,在反投影层采用多通道并行反投影的方式,减少了投影特征融合时造成的信息丢失的问题;最后,在图像域通过一种经典的编解码网络对图像进行进一步优化。该算法在Mayo数据集和Piglet数据集上均进行了实验,并与当下应用较为广泛的几种重建方法进行比较。实验结果表明,该算法能够有效提高CT重建图像的质量,同时能够较好的保留图像的细节和纹理信息。

关键词： CT重建深度学习卷积神经网络双域网络图像降噪

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的磁共振图像重建算法研究

基于深度学习的磁共振图像重建算法研究

作者：李博文四川大学

学位级别：硕士

磁共振成像(Magnetic Resonance Imaging,MRI)是一种非侵入性、无电离辐射且具有丰富对比度和卓越分辨率的医学成像技术,广泛应用于临床诊断、预后和治疗方案的制定,有广阔的发展前景。然而,由于MRI的扫描时间过长,不仅会给患者带来不适... 详细信息

磁共振成像(Magnetic Resonance Imaging,MRI)是一种非侵入性、无电离辐射且具有丰富对比度和卓越分辨率的医学成像技术,广泛应用于临床诊断、预后和治疗方案的制定,有广阔的发展前景。然而,由于MRI的扫描时间过长,不仅会给患者带来不适,还会产生运动伪影导致图像失真。因此缩短MRI的扫描时间不但有助于提高患者满意度、提高成像质量、降低医疗成本,并且也为后续的诊断分析提供了良好的辅助,具有重要的应用价值和研究意义。近年来,基于深度学习的MRI重建方法在加速MRI中表现出了显著的潜力。然而仍有两个问题阻碍其进一步发展:1)现有的监督学习方法过度依赖配对数据。由于受到实际条件的限制,获取大量配对的全采样数据成本较高且具有一定难度,这影响了神经网络在监督训练下的重建性能。2)当前的双域重建方法忽略了双域数据之间的差异,不能有效地利用双域信息进行协同重建,使得重建性能还有进一步提高的空间。为了解决上述两个问题,本文结合深度学习方法,设计并实现了以下两个重建算法:(1)基于渐进式双域CycleGAN的无监督MRI重建算法。为了缓解监督学习方法对配对数据的依赖,该方法采用非配对的数据对深度神经网络进行无监督训练。并针对目前无监督方法中普遍存在的解剖细节丢失,产生虚假结构的问题,提出将欠采样数据域到全采样数据域的直接映射分解为多步映射,这种渐进式映射的策略更有助于在每一步映射中逐渐精进细节,保留精确的解剖结构并获得良好的重建表现。同时,将双域框架引入无监督学习方法中,使得网络可以同时利用双域特征协同提升重建质量。通过实验验证了该方法在不同采样模式以及不同数据集上的有效性和鲁棒性。还设计了结构分割、跨域重建等泛化实验进一步验证该方法实际应用的可能性。实验结果表明,与目前先进的无监督方法和有监督方法相比,该方法总是能取得有竞争力的结果。(2)基于双域交互Transformer的MRI重建算法。本方法针对MR数据的双域特性,结合Transformer和卷积神经网络设计了一种高效的重建网络,使用Transformer提取双域特征,并利用交互注意力引导双域特征融合,实现了双域特征的高效提取和交互。具体而言,由于频域数据每个点都对应着图像域的所有像素点,因此在k空间使用1×1的卷积提取全局特征,同时使用基于窗口的Transformer将注意力的计算限制在了窗口中,减小了计算负担,并且可以有效地对图像域特征进行表示。其次,提出了基于交互注意力的Transformer融合模块引导双域特征融合,通过挖掘双域特征的相关性,实现跨域信息融合。实验证明,在公开的数据集上,本方法相较于其他基线重建方法均能取得更为优异的重建效果。同时,消融实验证明了所提出的网络模块的有效性。

关键词：磁共振重建生成对抗网络无监督学习双域网络 Transformer

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

概念整合理论视角下汉语网络新词的研究

概念整合理论视角下汉语网络新词的研究

作者：张会超长春理工大学

学位级别：硕士

汉语网络新词是随着网络对我国社会生活的影响而由人们提炼出来的对新事物、新想法、新问题、新经验的描述及总结。色彩鲜明的汉语网络新词受到了人们的广泛关注,然而,以往对汉语网络新词的研究多以构词法、语义学等为视角,以认知语言... 详细信息

汉语网络新词是随着网络对我国社会生活的影响而由人们提炼出来的对新事物、新想法、新问题、新经验的描述及总结。色彩鲜明的汉语网络新词受到了人们的广泛关注,然而,以往对汉语网络新词的研究多以构词法、语义学等为视角,以认知语言学视角出发对汉语网络新词的研究却很缺乏。因此本文试图从认知语言学角度对汉语网络新词的认知过程进行阐释。概念整合理论是由福柯尼耶(Fauconnier)和特纳(Turner)等人于20世纪90年代提出的一种以人们的思维方式和认知模式为基础的认知语言学理论。汉语网络新词的产生、变化、发展是人们对事物的认知活动的反应。本文针对这一认知现象,尝试运用概念整合理论,以汉语网络新词为语料,解读人们对汉语网络新词产生、变化、发展的认知过程。作者在前人研究的基础上将汉语网络新词分为组合式和非组合式,并对这两种形式进一步分类,组合式分为类词缀式、合成式、缩略式;非组合式分为单字转义式和非单字转义式。本文根据以上对汉语网络新词的分类,运用概念整合网络,分析了概念整合网络框架下汉语网络新词的认知过程。通过分析,本研究发现概念整合网络中的单域网络和双域网络对汉语网络新词具有较强的阐释力。概念整合理论在汉语网络新词这一领域的具体应用,不仅有助于丰富汉语词汇,为汉语网络新词提供了一个新的研究视角,同时也有助于拓展对概念整合理论的研究,加深对该理论的理解。

关键词：概念整合理论汉语网络新词概念整合网络单域网络双域网络

概念整合理论对于语法问题的解释力:以汉语动结式为例

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

外语与外语教学 2013年第4期 43-47页

作者：张翼南京大学外国语学院江苏南京210093

概念整合理论处理语法结构问题有单域网络和双域网络两种路径。本研究根据这两种路径对汉语动结式进行了解释,凸显了概念整合理论对于语法问题的解释力。在单域网络中,及物结构和复合动词(述语+补语)根据范畴化关系进行整合,为构式和动... 详细信息

概念整合理论处理语法结构问题有单域网络和双域网络两种路径。本研究根据这两种路径对汉语动结式进行了解释,凸显了概念整合理论对于语法问题的解释力。在单域网络中,及物结构和复合动词(述语+补语)根据范畴化关系进行整合,为构式和动词的融合提供了理据。而在双域网络中,述语和补语通过致使关系进行整合,还可以解释复合动词的非规约性组合和动结式灵活的论元表达。

关键词：概念整合单域网络双域网络动结式

维普期刊数据库