稀疏投影角度CT重建圖像主要是指在CT重建時(shí),使用較少角度數(shù)量的投影來(lái)進(jìn)行重建,這樣可以減少CT掃描時(shí)間,進(jìn)而有助于減少病人所受輻射劑量,但其帶來(lái)的負(fù)面影響是重建圖像中有嚴(yán)重的條狀偽影�，F(xiàn)有基于解析重建的后處理辦法在處理此類圖像時(shí),會(huì)出現(xiàn)邊界模糊以及條狀偽影無(wú)法精確預(yù)測(cè)的問(wèn)題,并且解析重建本身缺乏對(duì)噪聲的抑制;而基于迭代重建的辦法重建時(shí)間過(guò)長(zhǎng)的問(wèn)題也很難解決。卷積神經(jīng)網(wǎng)絡(luò)因其強(qiáng)大的非線性建模能力,能夠有效的提取圖像不同層次的特征。近幾年卷積神經(jīng)網(wǎng)絡(luò)在圖像處理領(lǐng)域表現(xiàn)突出,為去除稀疏角度CT圖像的偽影研究提供了嶄新的思路。因此本課題使用卷積神經(jīng)網(wǎng)絡(luò)來(lái)研究對(duì)于稀疏角度CT解析重建圖像中的偽影噪聲的抑制和消除,其目的在于盡可能通過(guò)減少CT重建的投影角度數(shù)目來(lái)減少CT掃描劑量,減少病人所受CT掃描產(chǎn)生的輻射的同時(shí),提高其成像質(zhì)量,為醫(yī)療診斷提供有效輔助。在總體上,本課題可以按如下兩部分劃分:本課題設(shè)計(jì)了針對(duì)條狀偽影的卷積神經(jīng)網(wǎng)絡(luò)來(lái)對(duì)稀疏角度CT圖像進(jìn)行后處理,該算法設(shè)計(jì)從含噪聲偽影圖像到其中所含噪聲偽影的映射,在設(shè)計(jì)網(wǎng)絡(luò)的同時(shí)探索了多尺度U型處理結(jié)構(gòu),殘差模塊,訓(xùn)練數(shù)據(jù)分塊大小,網(wǎng)絡(luò)的深度對(duì)于... 

【文章來(lái)源】：東南大學(xué)江蘇省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：68 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

卷積操作示意圖

第二章卷積神經(jīng)網(wǎng)絡(luò)基本概念及算法8圖2-2激活函數(shù)示意圖從圖2-2中可以看出，sigmoid函數(shù)在靠近坐標(biāo)原點(diǎn)的一段區(qū)間內(nèi)，其梯度是最大的，靠近兩邊梯度較小，曲線較平緩，因此sigmoid函數(shù)對(duì)0左右的數(shù)值激勵(lì)較大，而絕對(duì)值較大的數(shù)值，激勵(lì)較小，甚至不變。此外在兩邊，由于梯度靠近0但又不是0，且恒大于0，可能因鏈?zhǔn)角髮?dǎo)產(chǎn)生梯度彌散問(wèn)題。其次sigmoid函數(shù)輸出均大于0，不符合零均值，可能會(huì)產(chǎn)生捆綁效應(yīng)，使得網(wǎng)絡(luò)收斂緩慢。tanh函數(shù)對(duì)sigmoid的非0均值問(wèn)題進(jìn)行了改進(jìn)，從圖中可以看出，tanh的輸出是符合0均值分布的。sigmoid和tanh共同的缺點(diǎn)是式子比較復(fù)雜，求導(dǎo)相對(duì)復(fù)雜，導(dǎo)致梯度更新減慢從而增加訓(xùn)練時(shí)間。ReLU函數(shù)針對(duì)上述缺點(diǎn)，使用兩段分段函數(shù)，小于0時(shí)輸出恒等于0，大于0時(shí)輸出直接映射，求導(dǎo)簡(jiǎn)單，計(jì)算速度快，并且在正區(qū)間沒(méi)有sigmoid的梯度彌散問(wèn)題。ReLU因其種種優(yōu)點(diǎn)成為當(dāng)下最常用的激活函數(shù)，本文也是采用ReLU作為激活函數(shù)對(duì)卷積之后的輸出進(jìn)行激活。2.1.5損失函數(shù)損失函數(shù)又稱代價(jià)函數(shù)，是衡量模型輸出預(yù)測(cè)值與實(shí)際值之間差距的一種量化指標(biāo)。好的損失函數(shù)可以使得模型較快收斂到預(yù)期目標(biāo)，而不合適的損失函數(shù)可能導(dǎo)致模型收斂至錯(cuò)誤的方向。圖像處理領(lǐng)域最常用的損失函數(shù)是均方差（MeanSquareError，MSE）損失，其表達(dá)式如下211001(,)(,)whreslabelijLossIijIijwh(2.4)其中w，h為圖像的長(zhǎng)寬尺寸，resI表示最終輸出的結(jié)果，labelI表示對(duì)比圖像，該值即效果圖像中每個(gè)像素點(diǎn)與對(duì)比圖像對(duì)應(yīng)像素點(diǎn)的差值平方之平均。其值越小說(shuō)明兩幅圖像越接近。最終的損失函數(shù)中還可以添加規(guī)則化項(xiàng)對(duì)網(wǎng)絡(luò)中的參數(shù)進(jìn)行約束，提高模型抗過(guò)擬合能力，也可以添加對(duì)于最終效果的正則化來(lái)對(duì)整體模型進(jìn)行約束，?

第三章基于卷積神經(jīng)網(wǎng)絡(luò)的稀疏角度CT圖像后處理13第三章基于卷積神經(jīng)網(wǎng)絡(luò)的稀疏角度CT圖像后處理3.1引言在CT掃描時(shí)，減少投影采樣角度可以降低CT掃描輻射劑量，減少對(duì)于人體的輻射危害，但與此同時(shí)CT成像質(zhì)量也會(huì)隨著劑量降低而降低。如圖3-1所示，從左往右依次是完整角度重建圖像（1200角度，F(xiàn)DK重建），稀疏角度重建圖像（120角度，F(xiàn)DK重建），以及稀疏角度重建圖像中所包含的偽影示意圖。圖3-1稀疏角度CT圖像及偽影示意圖。（a）為完整投影角度CT重建圖像，（b）為稀疏投影角度CT重建圖像，（c）為稀疏投影角度CT圖像中包含的噪聲及偽影本章目的是對(duì)稀疏投影角度CT圖像進(jìn)行后處理，以期達(dá)到在盡量減少采樣角度情況下，經(jīng)過(guò)本章提出的神經(jīng)網(wǎng)絡(luò)處理，能夠達(dá)到或接近完整角度CT圖像的成像質(zhì)量。3.2基于多尺度U-net的三維稀疏角度CT圖像后處理網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)稀疏角度CT圖像所含有的偽影呈條狀分布，尺度分布范圍較廣，在單一尺度上與圖像正常結(jié)構(gòu)區(qū)分難度較大，因此本章中采用U-net中多尺度特征提取的結(jié)構(gòu)[52]來(lái)應(yīng)對(duì)。另外為提高網(wǎng)絡(luò)性能，使用resnet[54]中的殘差模塊來(lái)代替原來(lái)的直線堆疊網(wǎng)絡(luò)結(jié)構(gòu),構(gòu)建更深層的卷積神經(jīng)網(wǎng)絡(luò)。整體結(jié)構(gòu)上，去偽影可以采用的映射結(jié)構(gòu)有兩種：一是從稀疏角度CT圖像直接學(xué)習(xí)映射到完整角度CT圖像，本章稱之為常規(guī)學(xué)習(xí)；二是從稀疏角度CT圖像來(lái)學(xué)習(xí)其中含有的偽影特征，最終映射成稀疏角度CT圖像中所含有的偽影圖像（如圖4-1，c圖所示），因?yàn)閷W(xué)習(xí)的是稀疏角度CT圖像和正常角度CT圖像之間的差值，故而稱之為殘差學(xué)習(xí)。經(jīng)研究表明，殘差學(xué)習(xí)要比常規(guī)學(xué)習(xí)簡(jiǎn)單的多，偽影與噪聲的結(jié)構(gòu)相比CT圖像正常結(jié)構(gòu)要容易學(xué)習(xí)與識(shí)別[67]。所以本章算法采用第二種辦法，從稀疏角度CT圖像中學(xué)習(xí)其中含有的偽影及噪聲特征，然?

【參考文獻(xiàn)】：
期刊論文
[1]基于深度卷積神經(jīng)網(wǎng)絡(luò)的圖像去噪研究[J]. 李傳朋,秦品樂(lè),張晉京.  計(jì)算機(jī)工程. 2017(03)
[2]低劑量CT掃描對(duì)兒童肺部病變的診斷與防護(hù)價(jià)值[J]. 方文輝,張健華,黃映宏,鄭文斌,張遠(yuǎn)芳.  CT理論與應(yīng)用研究. 2007(01)
[3]多層螺旋CT胸部低劑量掃描發(fā)現(xiàn)肺結(jié)節(jié)的臨床研究[J]. 吳曉華,馬大慶,張忠嘉,冀景玲,張巖松.  中華放射學(xué)雜志. 2004(07)
[4]三維錐形束CT解析重建算法發(fā)展綜述[J]. 曾凱,陳志強(qiáng).  中國(guó)體視學(xué)與圖像分析. 2003(02)

博士論文
[1]光學(xué)遙感圖像質(zhì)量提升及評(píng)價(jià)技術(shù)研究[D]. 崔光茫.浙江大學(xué) 2016

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的低劑量CT圖像處理方法[D]. 張慧娟.東南大學(xué) 2017



本文編號(hào)：3475876