基于深度学习的宫颈CT图像金属伪影去除算法研究
【文章页数】:60 页
【学位级别】:硕士
【部分图文】:
图3-1同一患者无金属伪影的宫颈CT图像和含金属伪影的宫颈CT图像.第一行是??无金属伪影的宫颈CT图像,第二行是含金属伪影的宫颈CT图像
3.1.2数值仿真??本实验采集了同一患者无金属伪影的宫颈CT图像和含金属伪影的宫颈CT??图像,如图3-1所示。??■■■??图3-1同一患者无金属伪影的宫颈CT图像和含金属伪影的宫颈CT图像.第一行是??无金属伪影的宫颈CT图像,第二行是含金属伪影的宫颈CT图像。??Fig.....
图3一不同图像的数值仿真结果
Fig.3-2?Numerical?simulation?results?for?different?images.?The?first?line?are?cervical?CT?images??without?metal?artifacts,?the?second?line?a....
图3-3基于普通卷积神经网络去除金属伪影的框架示意图
本论文基于卷积神经网络去除宫颈CT图像金属伪影,具体的:用含金属伪??影的宫颈CT图像和配对的无金属伪影的宫颈CT图像去训练CNN,得到一个??可以预测去金属伪影的宫颈CT图像的模型。本文所用的CNN的框架如图3-3??所示,该框架主要由3种类型的层组成,网络的深度为22。输入的....
图3-4仿真的含金属伪影宫颈CT图像金属伪影去除实验结果
3.2.4.2?视觉W??采用数值仿真实验产生数据集中的20张含金属伪影的宫颈CT图像对本节??提出的算法进行验证,注意的是用于测试的图像未被用于网络的训练。图3-4显??示了对仿真的测试集消除金属伪影的结果,其中第一行是仿真的含金属伪影的??宫颈CT图像,第二行是本节算法去除金....
本文编号:3993789
本文链接:https://www.wllwen.com/linchuangyixuelunwen/3993789.html