典型文献
基于多尺度边缘提取和加权卷积稀疏编码的低剂量CT去噪算法
文献摘要：
大多数现有的基于卷积神经网络的低剂量计算机断层扫描(LDCT)去噪算法像一个"黑匣子",优化过程缺乏直观的逻辑性,而且容易产生模糊的结果.为了解决这些问题,提出一种结合加权卷积稀疏编码和卷积神经网络的可解释的LDCT去噪模型.该模型考虑卷积稀疏特征图与噪声/伪影分布的关联,在目标函数上给卷积稀疏特征图附加可学习的权重,利用加权迭代软阈值算法寻求目标函数的最优解.用通道注意力来学习卷积稀疏特征图上附加的权重,用设计的多尺度边缘提取模块解决因丢失纹理细节而导致的图像模糊问题.在AAPM公开数据集上的实验结果表明,相对于几种领先的去噪算法,所提算法对噪声/伪影的抑制效果明显,去噪结果保留了更多的纹理细节.
文献关键词：
低剂量CT;加权卷积稀疏编码;卷积神经网络;通道注意力;多尺度边缘提取
中图分类号：
作者姓名：
颜溶標;刘文婷;谷亚男;王磊;刘祎
作者机构：
中北大学动态测量技术国家重点实验室 太原030051
文献出处：
引用格式：
[1]颜溶標;刘文婷;谷亚男;王磊;刘祎-.基于多尺度边缘提取和加权卷积稀疏编码的低剂量CT去噪算法)[J].国外电子测量技术,2022(09):9-15
A类：
多尺度边缘提取,加权卷积稀疏编码
B类：
去噪算法,低剂量计算机断层扫描,LDCT,黑匣子,逻辑性,可解释,去噪模型,稀疏特征,特征图,伪影,可学,迭代软阈值算法,最优解,通道注意力,取模,AAPM,公开数据集,抑制效果
AB值：
0.182161
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。
