典型文献
基于纹理恢复的低剂量CT去噪算法
文献摘要：
目前深度学习方法广泛应用于低剂量CT去噪领域,但大多使用均方差损失,容易造成组织的过度平滑.针对这一问题,提出了一种基于纹理恢复的自注意力残差编解码网络,与原始的残差编解码网络相比,主要有以下两点改进:一、引入自注意力机制来捕获CT内部的远程相关性信息;二、设计特征提取网络,构建边界和纹理损失,以便恢复CT图像特征.实验结果表明,自注意力残差编解码网络可以很好地达到降噪与纹理恢复的平衡.
文献关键词：
图像去噪;低剂量CT;深度学习;纹理恢复
中图分类号：
作者姓名：
赵雪梅
作者机构：
北方工业大学信息学院,北京,100009
文献出处：
引用格式：
[1]赵雪梅-.基于纹理恢复的低剂量CT去噪算法)[J].电子测试,2022(14):48-49,105
A类：
纹理恢复
B类：
去噪算法,深度学习方法,成组,编解码网络,两点,自注意力机制,设计特征,特征提取网络,图像特征,降噪,图像去噪
AB值：
0.183552
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
