【摘 要】
:
计算机断层扫描(Computerized Tomography,CT)是一种常用的临床医学成像技术,它利用具有穿透性的射线对人体扫描成像,能够得到高质量的人体组织解剖图像。但是,CT成像使用的X射线对人体具有辐射危害,对基因造成损伤,甚至增加患癌风险,对孕妇和儿童的危害更大。临床上通常使用降低管电流量的方法来降低X射线的剂量,从而降低辐射带来的危害。但降低X射线剂量会导致CT图像的质量较低,存在更
论文部分内容阅读
计算机断层扫描(Computerized Tomography,CT)是一种常用的临床医学成像技术,它利用具有穿透性的射线对人体扫描成像,能够得到高质量的人体组织解剖图像。但是,CT成像使用的X射线对人体具有辐射危害,对基因造成损伤,甚至增加患癌风险,对孕妇和儿童的危害更大。临床上通常使用降低管电流量的方法来降低X射线的剂量,从而降低辐射带来的危害。但降低X射线剂量会导致CT图像的质量较低,存在更多的噪声和伪影干扰,从而影响临床医师的诊断与治疗。因此,低剂量CT去噪成为CT成像领域的重要研究方向。低剂量CT去噪的后处理方法以其无需原始投影数据、处理速度快等优点成为近年来低剂量CT去噪研究的主要方向。本文基于AAPM-Mayo公开数据集,对低剂量CT去噪的后处理方法进行研究,目的是提高低剂量CT图像的质量。具体研究内容如下:(1)针对REDCNN模型参数量大的问题,本文设计了一个基于残差神经网络ResNet的去噪模型,显著降低了噪声水平,并且参数量较小。在网络模型方面,本文在模型的图像去噪模块使用了1*1卷积层和残差连接将浅层特征直接传递到深层来进行通道上的特征融合,并在图像去噪模块之前添加了特征提取层来为其提供更有用的特征信息,在图像去噪模块之后添加了图像重建模块来结合更多特征信息重建图像;在损失函数方面,加入了图像的边缘损失来对L1损失进行修正。实验结果表明,提出方法的性能有所提升,PSNR较REDCNN提高了0.49。(2)针对现有WGAN模型进行低剂量CT去噪中判别器参数量较大的问题,本文设计了一个基于SENet的GAN网络判别器结构,结合WGAN-GP模型对低剂量CT进行去噪,显著提升了CT图像的视觉效果。在判别器结构方面,利用SE-ResNet的通道注意力机制来增加通道间的依赖关系,同时用一层卷积结构代替了两层全连接层,显著降低了网络的参数量;在损失函数方面,除WGAN-GP的对抗损失外,还引入了边缘损失对L1损失进行修正,引入了VGG损失来增强视觉效果。实验结果表明,提出的方法具有比较优秀的视觉效果。(3)设计并实现了基于CS架构的低剂量CT去噪系统。采用python语言,结合QT5、socket编程和pytorch深度学习框架设计了一个界面简洁、易于操作的低剂量CT去噪系统,经测试,该系统能够实现使用不同的网络模型进行去噪。提出的两种方法均提高了CT图像的质量,结合实现的低剂量CT去噪系统,有助于临床医师对疾病进行准确的诊断。
其他文献
点云拼接是全表面重建的一个关键步骤,在医学成像、工业检测、自动驾驶和逆向工程等领域都有良好的应用场景。在现实场景中,由于目标物体的复杂性和设备的限制,传感器只能在有限的视野范围内扫描,获得局部点云数据,需要将局部点云进行点云拼接才能获取完整的物体表面信息。三维局部点云拼接由于点云的无序性、旋转不变性、内部点对关系等自身特性和两片点云之间仅有部分点存在对应点等外部原因,使得点云拼接过程中存在许多挑战
基于"享受乐趣、增强体质、健全人格、锤炼意志"的"四位一体",打造兴趣支配基础上的体育体验,在兴趣的支配下促使学生参与,在参与的过程中锻炼学生体质、磨炼学生意志、健全学生人格,促使学生在积极的学习经历中,积累丰富的体育经验和情感体验,在积极的学习锻炼过程中,实现学生的健康发展。
实时以太网因为兼容性好、传输速率高、成本低等优点已经在新一代列车上得到了应用。然而,多种业务融合和以太网通信协议的开放性使列车通信网络存在被攻击的风险,对列车的正常运行和旅客的生命财产构成了威胁。在列车实时以太网技术方案中应用相关安全技术对保障列车安全运行有重要意义。本文通过渗透测试技术来测试发掘列车实时以太网的弱点,通过异常检测技术来对列车实时以太网进行有效防护。论文主要研究内容如下:(1)基于
无监督视频目标分割要求算法在不给出前景目标任何标注信息的情况下自动地将整个视频序列中最显著的、最关键的目标进行分割,由于其应用前景广阔而引起了研究人员的广泛关注。视频内容的丰富性以及场景的复杂性,导致视频中的前景目标之间存在着遮挡、快速运动、剧烈形变、背景混淆等问题,给准确、稳定的无监督视频目标分割任务带来了严峻的挑战。最近几年,互联网、大数据、5G技术迅速发展,视频数据量激增,利用人工智能技术实
随着新冠肺炎疫情在全世界范围的扩散,人们不得不面对疫情时常出现的状况,但同时,无论社会还是个人,都必须尽快投入复工复产的节奏中,逐渐恢复正常的社会运转和个人生活。城市内部的运转是城市发展的核心,对于人口与经济均达到一定水平的现代化城市来说,地铁的运营安排是城市发展水平的重要体现,地铁列车开行方案就是其中的重要一环。疫情影响下的地铁列车开行方案研究尚属一个较新的研究领域,本文的研究基于新冠肺炎疫情的
高墩刚构桥因桥墩高柔、上部结构质量大,形成抗震不利体系,其抗震安全性问题受到广泛关注。安装减震装置和实现抗震体系优化被视为提高结构抗震性能的有效途径。因此,探究随机激励下高墩刚构桥结构优化和阻尼器参数优化具有重要意义。论文首先探讨了考虑墩柱滞回特性的高墩和高墩刚构桥随机响应规律,进而探究了非平稳随机激励下高墩刚构桥考虑桥墩塑性的桥墩刚度分布优化以及采用调谐惯质阻尼器(TID)减震时的优化设计。主要
随着互联网内容产业的飞速发展,内容市场上的内容体量呈指数上涨。与此同时,内容的同质化以及马太效应越来越严重,并且随着流量红利的消退和用户审美的不断提升,用户对内容质量的要求越来越高。完善内容供应生态已经成为了争夺互联网内容市场的重中之重。作为影响内容供应生态的核心指标,内容供应效率得到了各个内容平台的广泛重视,内容供应效率分析平台应运而生。针对此类平台在实现过程中存在的模块耦合度高、代码复用率低等
随着网络环境的日益复杂,网络攻击每天都在增加,其频率和复杂度也在增加,网络攻击的手段层出不穷。更严重的是,它们经常绕过组织现有的保护控制,利用新技术、新手段,攻破目标边界防御直接进入到内网,损坏或窃取数据,对企业造成严重的经济损失,危害国家和个人利益。目前网络安全形势处于攻防完全不对等的局面,攻击手段更新迭代速度极快,导致防守方一直处于不利的地位。因此防守方为了对攻击者形成威慑,保护企业数据安全,
驾驶行为预测在自动驾驶以及辅助驾驶技术中发挥着十分重要的作用,优秀的驾驶行为预测能力可以提升自动驾驶车辆的运行效率和安全性。但是在真实的场景下,道路场景的复杂性和诸多不确定性给驾驶行为预测带来了巨大的挑战,使得预测难度大、准确率低。深度学习算法依靠海量的数据支撑和强大的学习能力,具有建模简单、泛化能力好的特点,合理地设计深度学习网络结构就可以实现较高准确率的驾驶行为预测,然而深度学习算法又过度依赖
近年来,随着我国的快速发展以及人们对于建筑环境要求的提高,导致出现了原有的建筑开始新建、改建、扩建等现象。而这些现象的出现使建筑垃圾急剧增加。建筑垃圾运输和处置的过程往往存在着风险,定量的了解这两个过程的风险状况,能够提前对风险进行预防,并能减少事故发生的可能性。本文首先将建筑垃圾的运输风险定义为包括交通事故的风险、监管的风险、路线存在的风险三个方面的风险,建筑垃圾处置的风险定义为消纳场堆体发生事