自計(jì)算機(jī)斷層掃描(Computed Tomography,CT)設(shè)備問世以來,因其掃描快、費(fèi)用低等優(yōu)點(diǎn),而被廣泛應(yīng)用于臨床醫(yī)學(xué)診斷領(lǐng)域。隨著人民健康意識的增強(qiáng),人們普遍希望降低CT輻射影響,但輻射劑量的降低,會造成圖像質(zhì)量的嚴(yán)重下降,進(jìn)而產(chǎn)生誤診現(xiàn)象。針對低劑量CT圖像去噪,傳統(tǒng)方法通常會導(dǎo)致CT圖像邊緣模糊、細(xì)節(jié)丟失等問題的產(chǎn)生,不易實(shí)現(xiàn)噪聲去除與細(xì)節(jié)信息保留相平衡的目的。由于深度卷積神經(jīng)網(wǎng)絡(luò)在物體識別、圖像分類等應(yīng)用上的成功,以及其強(qiáng)大的特征提取能力,因此,本論文將其應(yīng)用于低劑量CT圖像降噪,把低劑量CT圖像的降噪過程視為一個復(fù)雜的非線性問題的擬合過程,旨在提高低劑量CT圖像質(zhì)量。本文的主要研究內(nèi)容如下:(1)提出了基于雙殘差的卷積神經(jīng)網(wǎng)絡(luò)的醫(yī)學(xué)圖像去噪方法。網(wǎng)絡(luò)結(jié)構(gòu)主要由類Inception結(jié)構(gòu)和雙殘差模塊組成,以低劑量CT圖像作為輸入、正常劑量CT圖像作為標(biāo)簽,通過該網(wǎng)絡(luò)結(jié)構(gòu),經(jīng)過反復(fù)訓(xùn)練,擬合二者間的復(fù)雜關(guān)系,網(wǎng)絡(luò)訓(xùn)練完成后,即可得到去噪模型,預(yù)測低劑量CT圖像的降噪圖像。在網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)中,首先,利用帶有3種不同尺寸的卷積核的類Inception結(jié)構(gòu)提取輸入圖像的特征信息,并...

【文章頁數(shù)】：60 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 論文研究內(nèi)容與技術(shù)路線
    1.4 論文所取得的成果與創(chuàng)新點(diǎn)
    1.5 本章小結(jié)
第2章 圖像去噪及卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)理論
    2.1 噪聲模型分類
    2.2 圖像質(zhì)量評價標(biāo)準(zhǔn)
    2.3 卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)理論
    2.4 本章小結(jié)
第3章 基于雙殘差的卷積神經(jīng)網(wǎng)絡(luò)的醫(yī)學(xué)圖像去噪
    3.1 網(wǎng)絡(luò)設(shè)計(jì)與參數(shù)設(shè)置
    3.2 實(shí)驗(yàn)結(jié)果與分析
    3.3 本章小結(jié)
第4章 基于雙注意力的卷積神經(jīng)網(wǎng)絡(luò)的醫(yī)學(xué)圖像去噪
    4.1 網(wǎng)絡(luò)設(shè)計(jì)
    4.2 實(shí)驗(yàn)結(jié)果與分析
    4.3 本章小結(jié)
第5章 結(jié)論與認(rèn)識
    5.1 結(jié)論
    5.2 認(rèn)識
致謝
參考文獻(xiàn)
個人簡介



本文編號：3780274