典型文献
基于多层级Swin-Transformer的低剂量CT重建
文献摘要：
鉴于X射线辐射对患者存在的潜在风险,许多临床适应症使用低剂量计算机断层扫描(LDCT)成像,以最大限度地降低辐射剂量,同时不显著影响筛查或诊断性能.然而,计算机断层扫描(CT)成像过程中,低辐射剂量产生的噪声会降低CT图像质量,从而影响临床诊断准确性.因此,需要对低剂量CT图像进行重建,提高图像质量.视觉Transformer相比卷积神经网络(CNN)具有更卓越的特征表示能力.与CNN不同,Transformer在LDCT去噪中少有应用,为了发掘Transformer的优异特征提取能力,以实现LDCT高效去噪,提出了一种基于移动窗口多层级Transformer低剂量CT重建网络.该网络使用移动窗口方法将自注意计算限制在非重叠的局部窗口,同时允许跨窗口连接,从而提高了效率,并且降低了数据计算复杂性.此外,网络末端设计了分段残差重建模块,以此进一步实现高质量低剂量CT图像重建.对Mayo低剂量CT数据集的广泛实验表明,与经典方法相比该方法能产生更高质量的重建效果.
文献关键词：
注意力机制;CT重建;低剂量;图像后处理;深度学习
中图分类号：
作者姓名：
慕长平;耿丽清;董建;袁明致
作者机构：
天津职业技术师范大学天津市信息传感与智能控制重点实验室 天津300222
文献出处：
引用格式：
[1]慕长平;耿丽清;董建;袁明致-.基于多层级Swin-Transformer的低剂量CT重建)[J].国外电子测量技术,2022(12):156-163
A类：
B类：
多层级,Swin,Transformer,潜在风险,多临床,临床适应症,低剂量计算机断层扫描,LDCT,低辐射剂量,诊断性,图像质量,诊断准确性,特征表示,示能,去噪,特征提取能力,移动窗口,重建网络,网络使用,自注,非重叠,数据计算,计算复杂性,图像重建,Mayo,经典方法,更高质量,注意力机制,图像后处理
AB值：
0.303592
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。
