目的:針對(duì)稀疏投影的CT重建圖像附帶噪聲和偽影的特性,使用神經(jīng)網(wǎng)絡(luò)模型對(duì)稀疏投影得到的低質(zhì)量CT重建圖像進(jìn)行圖像增強(qiáng)。方法:在殘差編碼-解碼卷積神經(jīng)網(wǎng)絡(luò)基礎(chǔ)上提出一種基于對(duì)抗訓(xùn)練的U-Net神經(jīng)網(wǎng)絡(luò)模型,并使用公開數(shù)據(jù)集TCGA-CESC癌癥CT影像進(jìn)行模型訓(xùn)練和測試。評(píng)價(jià)模型處理效果的指標(biāo)包括峰值信噪比（PSNR）、結(jié)構(gòu)相似性（SSIM）和均方根誤差（RMSE）。結(jié)果:在對(duì)180次探測的CT重建圖像的測試中,模型處理后的圖像相比未處理圖像,PSNR、SSIM和RMSE指標(biāo)平均值分別提升15.10%、37.89%和38.20%。在PSNR和SSIM指標(biāo)平均值意義下,模型處理后的圖像優(yōu)于1 800次探測的未處理CT重建圖像。結(jié)論:本研究提出的神經(jīng)網(wǎng)絡(luò)模型能夠減少偽影和噪點(diǎn),對(duì)稀疏投影CT圖像增強(qiáng)有一定效果。 

【文章頁數(shù)】：7 頁

【文章目錄】：
前言
1 CT重建算法
2 基于對(duì)抗訓(xùn)練的U-Net神經(jīng)網(wǎng)絡(luò)
    2.1 模型與原理
    2.2 目標(biāo)函數(shù)選取
        2.2.1 增強(qiáng)網(wǎng)絡(luò)的目標(biāo)函數(shù)
        2.2.2 鑒別器的目標(biāo)函數(shù)
3 實(shí)驗(yàn)分析
    3.1 數(shù)據(jù)集選取和處理
    3.2 評(píng)價(jià)指標(biāo)
    3.3 實(shí)驗(yàn)細(xì)節(jié)
    3.4 實(shí)驗(yàn)結(jié)果
        3.4.1 基于測試集的單樣本分析
        3.4.2 基于測試集的總體分析
4 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]ART算法幾種重建模型的研究和比較[J]. 張順利.  航空計(jì)算技術(shù). 2005(02)
[2]最佳無損檢測手段──工業(yè)CT技術(shù)的發(fā)展[J]. 先武，李時(shí)光，王玨.  光電工程. 1995(04)

碩士論文
[1]二維CT圖像重建算法研究[D]. 毛小淵.南昌航空大學(xué) 2016
[2]CT圖像濾波反投影重建算法的研究[D]. 范慧赟.西北工業(yè)大學(xué) 2007



本文編號(hào)：3668060