【摘 要】
：
计算机断层扫描（Computed Tomography,CT）以非入侵的方式获得被测人体内部组织的断层影像,逐渐成为近年来医学成像领域的研究热点。能谱CT利用不同能量光子关于物体衰减的差异性进行成像,能够提高传统CT的物质分辨能力,提供准确的材料分离和定量化信息。目前,多能量投影数据处理中常用的物质分解法受噪声影响严重,导致低剂量条件下重建图像的信噪比较低。本文以低剂量能谱CT成像为目标,利用深度
论文部分内容阅读
计算机断层扫描（Computed Tomography,CT）以非入侵的方式获得被测人体内部组织的断层影像,逐渐成为近年来医学成像领域的研究热点。能谱CT利用不同能量光子关于物体衰减的差异性进行成像,能够提高传统CT的物质分辨能力,提供准确的材料分离和定量化信息。目前,多能量投影数据处理中常用的物质分解法受噪声影响严重,导致低剂量条件下重建图像的信噪比较低。本文以低剂量能谱CT成像为目标,利用深度学习技术在图像处理领域的优势,在去除低剂量噪声的基础上实现了能谱CT图像的单能重建。在低剂量图像去噪方面,针对多能谱CT图像信息冗余的特点,本文提出了一种基于深度生成对抗网络的去噪模型,通过利用多能段的CT图像作为输入数据,将能谱CT的能量相关性与空间相关性结合到网络的生成对抗过程中,在移除噪声的同时保留了图像纹理信息。并引入残差学习来复用不同级别的特征,避免网络层数加深导致的细节丢失问题,将低剂量图像恢复为等同于正常剂量条件下的能谱CT图像。此外,为了解决生成对抗网络训练困难的问题,本文采用Wasserstein距离监督训练,使网络收敛更快、效果更好。基于去噪处理后的图像,本文构建了一个复合感知损失函数实现多能图像到任意理想单能图像之间的映射,分别从像素一致性、纹理细节、CT值分布、感知特征差异等方面对生成图像进行约束,解决了传统基物质分解法带来的噪声放大问题。本算法能够生成没有射束硬化及金属伪影的高质量单能图像,同时拟合出准确的CT值以便对被测人体的组织密度做出精准判断。实验结果表明,本文低剂量去噪算法将输入图像的PSNR值提高约5d B,SSIM值提高约0.18,FSIM值提高约0.056。最终重建出的40ke V、55ke V、70ke V和100ke V单能图像在CT值准确性、射束硬化伪影、金属伪影方面的定量和定性评估实验中的表现均优于其他方法,在降低能谱CT辐射剂量的同时提升了重建图像质量。
其他文献
基于竞争抑制免疫层析原理,开展茶叶中草甘膦快速检测试纸条的研制。采用柠檬酸三钠还原氯金酸制备了20 nm胶体金颗粒,然后以胶体金为标记物制备草甘膦单克隆抗体-胶体金偶联物,以硝酸纤维素膜为固相载体,包被草甘膦半抗原-卵清蛋白偶联物为检测线、羊抗兔二抗为质控线,建立草甘膦的胶体金快速检测试纸条。同时优化了胶体金最适pH值、抗体最佳使用量、试纸条材料的型号,最终确定胶体金溶液的pH值为7.5,最佳抗体
运动目标的检测也就是人们常说的追踪问题,它是计算机视觉的重要组成部分。其相关的方法有很多种,其中光流法描述的是图像中像素点灰度值的变化趋势,也就是像素点的运动速度矢量场。在过去的几年中,深度学习在计算机视觉和自然语言处理等各种问题上都取得了很好的效果。而随着卷积神经网络的理论逐渐成熟,其相关研究逐渐深入到光流特征图评估的领域。本文提出了一种称为快速光流单元的网络子结构,它使原网络能够通过一种快速并
随着互联网时代的到来,视频的制作以及传播越来越便捷,视频数据大规模增长,拍摄视频逐渐成为了很多人分享生活内容的一种方式,但同时也产生了大量重复视频。视频内容具有一定的经济价值,视频盗版的行为损害了视频制作方的利益,同时也会增加视频网站的带宽和存储成本,不利于视频平台的发展。现今视频网站会根据用户喜好推荐视频,推荐重复的视频会极大影响用户的观看体验。因此需要借助计算机技术识别重复视频。本文提出了一种
人工智能关注智能体的智能行为,比如在战略性遭遇战中打败人类或者在认知任务中胜过人类。联盟博弈可以用来模拟经济、政治和许多其他社会领域中出现的各种问题,这是一种混合动机（竞争和合作）博弈,其中参与者通过战略谈判来决定组成什么联盟以及如何在联盟成员之间分配收益。虽然联盟博弈理论中存在大量的工作,但联盟形成的过程却很少受到关注,特别是当智能体与人类交互而不是与其他自治主体交互时的联盟过程。人工智能在此类
交通速度预测是智能交通系统中必不可少的环节。由于交通环境的复杂性,预测未来的交通速度十分困难。已有文献中提出使用支持向量回归（SVR）、回归神经网络（RNN）等多种机器学习模型进行交通流预测。然而,对于交通流的预测,尤其是对多步交通速度的预测,目前有关使用集成模型解决的研究较少。集成模型通过对多个基模型的组合,可以提高模型的泛化能力和准确率。但目前的集成组合方式比较单一,例如使用平均集成,加权集成
本文主要针对多智能体协同控制问题进行研究。多智能体系统是环境中多个自主智能体交互组成的计算系统,实现多智能体协同控制是提升整体效益的关键。多智能体协同控制的目标是生成一致性策略,其中,最终多智能体收敛到的主导策略称为社会规范。社会规范的涌现是保证智能体协作的关键。针对大规模分布式多智能体系统,由于系统中不存在中心式的控制节点,较难在智能体还未进行交互前直接生成协作策略,因此,研究针对复杂社会网络结
长短时记忆网络适合于处理长序列依赖问题,对于水文径流这种受长时间间隔的气象等因素影响的复杂过程能够有很好的处理和模拟能力。本研究基于长短时记忆网络以泾河流域为例建立四种模型,分别是直接预测模型、差分预测模型、平均值预测模型和复合校准模型,目标是对流域的月平均径流量进行预测。复合校准模型和平均值模型在新安江上也有很好的模拟预测能力,证明了模型的有效性、可用性和可泛化性。在掌握了准确水文数据的情况下,
随着人工智能技术取得了前所未有的发展,以知识图谱为代表的知识工程以及深度学习等相关领域得到了广泛的关注。知识图谱的概念最早是由谷歌于2012年正式提出的,它是新一代知识库,主要用来描述真实世界中存在的各种实体和概念,以及他们之间的关系。知识图谱能够弥补机器学习、深度学习算法的描述能力,规则等表示形式与神经网络相比是显性的知识,因此可基于此对学习的结果,例如链接预测,提供人类可理解的解释。本文针对规
气敏传感器可以检测环境中的特定气体,在易燃、易爆、有毒、有害气体的检测中应用非常广泛。气敏材料对气敏传感器的性能有着至关重要的影响,在众多气敏传感器中,金属氧化物半导体气敏传感器因其气敏材料制备简单、绿色环保、气敏性能优异等优点受到国内外研究者的高度关注。ZnSnO3是一种具有钙钛矿结构的三元复合金属氧化物半导体,它兼具Zn O和Sn O2两种材料的特点,表现出优异的气敏性能。但与许多二元金属氧化