医学图像伪影消除的图像增强的神经网络算法

发布时间：2021-08-15 15:37

　　CT（Computed tomography）是目前应用广泛的,且重要的临床诊断工具。然而CT的辐射剂量使得人体的致癌风险大大提高。因此低剂量的辐射能够有效的降低X射线对人体的危害。然而低剂量的辐射将导致CT影像重建产生伪影和噪声,从而影响临床诊断效果。除此之外,即使采用正常辐射剂量成像,CT图像仍然会出现一些不可避免的伪影,这些不可避免的伪影包括运动伪影、金属伪影等。仅靠传统CT技术已经无法获得完全理想的CT影像。但是,采用最近的图像处理算法有可能有效的去除CT影像中噪声和伪影,从而增强图像的细节和质量。因此,本文提出了一种利用软件算法去除CT影像中伪影的方法。另一方面,近年来,随着硬件设备计算力的提升,深度学习方法在计算机视觉领域的成功,使其在各领域得到了广泛的研究与应用。深度学习在图像处理上的成果引起了医学成像领域的关注。深度学习技术越来越多地被应用到医学图像处理中。本文着力使用深度学习中生成对抗网络的算法,消除CT影像中伪影对图像质量的不良影响。论文的主要研究工作及成果如下:（1）本文提出使用基于生成对抗网络的神经网络算法CT-WGAN处理医学图像中伪影,并恢复CT影像中细节,... 

【文章来源】：华侨大学福建省

【文章页数】：77 页

【学位级别】：硕士

【部分图文】：

U-Net的网络结构

本文所使用的CT成像设备

神经元模型

【参考文献】：
期刊论文
[1]结合深度残差学习和感知损失的图像去噪[J]. 吴从中,陈曦,季栋,詹曙.  中国图象图形学报. 2018(10)
[2]基于局部与非局部医学图像降噪技术的研究进展[J]. 孙畅,张超.  中国医学物理学杂志. 2018(05)
[3]MIT中反投影矩阵的计算与数据处理方法[J]. 柯丽,曹冯秋,杜强.  仪器仪表学报. 2014(10)
[4]基于字典学习的低剂量X-ray CT图像去噪[J]. 朱永成,陈阳,罗立民,Toumoulin Christine.  东南大学学报(自然科学版). 2012(05)

博士论文
[1]有限角CT的正则化图像重建算法研究[D]. 王成祥.重庆大学 2016

硕士论文
[1]基于全空洞卷积神经网络的图像语义分割[D]. 张利刚.东北师范大学 2018



本文编号：3344823