典型文献
一种多尺度GAN的低剂量CT超分辨率重建方法
文献摘要：
低剂量CT可以降低X射线辐射、减少对人体的伤害,但成像质量也会显著下降.为得到具有精细结构细节的高质量成像,提出一种基于多尺度残差生成网络的低剂量CT图像超分辨率重建算法,在保持病理不变情况下,从低分辨率图像中恢复高分辨率图像.首先,多尺度网络可以充分利用不同大小图像特征,丰富图像细节信息,提高重建过程中对特征的利用率;其次,引入残差网络,在实现特征重复利用的同时能够很好地防止过拟合现象;最后,将对抗损失和内容损失相结合,约束特征生成的同时能够获得感知质量更好的重建图像.结果表明,该方法在结构相似性、特征相似性、峰值信噪比指标上分别约提高0.047、0.022 8和1.962,算法的IS、FID、SWD性能也比其他两种基于生成对抗网络算法要好,并且在边缘轮廓细节面有更好的表现.为了验证内容损失的有效性,将MSRGAN和其3种变化模型进行比较:MSRGAN相对其变化模型在结构相似性指标平均高出4％,特征相似性指标平均高出3.1％,峰值信噪比指标平均高出17.4％,说明了这种损失函数能够提高超分辨率图像的感知质量,充分证明所提算法的有效性.
文献关键词：
图像处理;超分辨率;生成对抗网络;多尺度特征;低剂量CT
中图分类号：
作者姓名：
须颖;刘帅;邵萌;岳国栋;安冬
作者机构：
沈阳建筑大学机械工程学院,辽宁沈阳110168;广东工业大学机电工程学院,广东广州510006
文献出处：
引用格式：
[1]须颖;刘帅;邵萌;岳国栋;安冬-.一种多尺度GAN的低剂量CT超分辨率重建方法)[J].西安电子科技大学学报（自然科学版）,2022(02):228-236
A类：
MSRGAN
B类：
重建方法,成像质量,精细结构,结构细节,多尺度残差,差生,生成网络,图像超分辨率重建,重建算法,低分辨率图像,高分辨率图像,多尺度网络,同大,图像特征,细节信息,残差网络,重复利用,过拟合,特征生成,感知质量,重建图像,结构相似性,特征相似性,峰值信噪比,IS,FID,SWD,生成对抗网络,网络算法,边缘轮廓,相似性指标,损失函数,高超,充分证明,多尺度特征
AB值：
0.319097
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。
