基于深度卷积神经网络的医学图像去噪研究

发布时间：2023-04-03 00:28

　　自计算机断层扫描(Computed Tomography,CT)设备问世以来,因其扫描快、费用低等优点,而被广泛应用于临床医学诊断领域。随着人民健康意识的增强,人们普遍希望降低CT辐射影响,但辐射剂量的降低,会造成图像质量的严重下降,进而产生误诊现象。针对低剂量CT图像去噪,传统方法通常会导致CT图像边缘模糊、细节丢失等问题的产生,不易实现噪声去除与细节信息保留相平衡的目的。由于深度卷积神经网络在物体识别、图像分类等应用上的成功,以及其强大的特征提取能力,因此,本论文将其应用于低剂量CT图像降噪,把低剂量CT图像的降噪过程视为一个复杂的非线性问题的拟合过程,旨在提高低剂量CT图像质量。本文的主要研究内容如下:(1)提出了基于双残差的卷积神经网络的医学图像去噪方法。网络结构主要由类Inception结构和双残差模块组成,以低剂量CT图像作为输入、正常剂量CT图像作为标签,通过该网络结构,经过反复训练,拟合二者间的复杂关系,网络训练完成后,即可得到去噪模型,预测低剂量CT图像的降噪图像。在网络结构设计中,首先,利用带有3种不同尺寸的卷积核的类Inception结构提取输入图像的特征信息,并...

【文章页数】：60 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 论文研究内容与技术路线
    1.4 论文所取得的成果与创新点
    1.5 本章小结
第2章 图像去噪及卷积神经网络的基础理论
    2.1 噪声模型分类
    2.2 图像质量评价标准
    2.3 卷积神经网络的基础理论
    2.4 本章小结
第3章 基于双残差的卷积神经网络的医学图像去噪
    3.1 网络设计与参数设置
    3.2 实验结果与分析
    3.3 本章小结
第4章 基于双注意力的卷积神经网络的医学图像去噪
    4.1 网络设计
    4.2 实验结果与分析
    4.3 本章小结
第5章 结论与认识
    5.1 结论
    5.2 认识
致谢
参考文献
个人简介



本文编号：3780274