典型文献
基于无监督学习网络模型的PET影像伪影校正
文献摘要：
核医学领域PET/CT可以为胸腹部的肿瘤诊断提供影像支持.但由于患者在扫描过程中不自主的呼吸运动,会造成呼吸运动伪影.为了提高PET图像质量,文中提出了一种无监督的图像配准校正框架,该方法中通过三维卷积神经网络(3 D-CNN)预测图像的配准域,再由空间变换网络(STN)对图像进行扭曲变换,实现对PET图像的伪影校正.实验结果表明,在仿真的PET几何体模和像素体模数据集上分别取得了82.12％和83.76％的相似性Dice值,证明了该方法的有效性.
文献关键词：
深度学习;PET/CT;伪影校正;三维卷积;图像配准
中图分类号：
作者姓名：
侯一波;佘波;贺建峰
作者机构：
昆明理工大学信息工程与自动化学院,昆明650504;云南省智慧城市与网络空间安全重点实验室,云南 玉溪653100;云南省第一人民医院PET-CT中心,昆明650034
文献出处：
引用格式：
[1]侯一波;佘波;贺建峰-.基于无监督学习网络模型的PET影像伪影校正)[J].信息技术,2022(12):12-18,23
A类：
B类：
无监督学习,学习网络,PET,伪影校正,核医学,医学领域,胸腹部,肿瘤诊断,不自,呼吸运动伪影,图像质量,图像配准,准校正,三维卷积神经网络,空间变换网络,STN,几何体,像素,素体,模数,Dice
AB值：
0.32273
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。
