典型文献
基于迭代残差网络的双能CT图像材料分解研究
文献摘要：
双能计算机断层成像技术(DECT)由于其材料分解能力,在高级成像应用中发挥着重要作用.图像域分解直接对CT图像进行线性矩阵反演,但分解后的材料图像会受到噪声和伪影的严重影响.虽然各种正则化方法被提出来解决这个问题,但它们仍然面临着两个挑战:繁琐的参数调整和过度平滑导致的图像细节损失.为此,本文提出一种基于迭代残差网络的双能CT图像材料分解算法,直接求逆作为初始基图像,利用堆叠的双通道卷积神经网络替换迭代分解模型中的正则化项,构成深度迭代分解网络,该方法同时实现了材料分解和噪声抑制.实验结果表明,本文提出的迭代残差网络优于其他对比方法,能够在保持基图像边缘细节信息的同时有效抑制噪声和伪影.
文献关键词：
计算机断层成像;双能CT;残差网络;噪声抑制
中图分类号：
作者姓名：
王冲旭;陈平;潘晋孝;刘宾
作者机构：
中北大学 理学院 太原030051;中北大学信息探测与处理山西省重点实验室,太原030051;中北大学 信息与通信工程学院,太原030051
文献出处：
引用格式：
[1]王冲旭;陈平;潘晋孝;刘宾-.基于迭代残差网络的双能CT图像材料分解研究)[J].CT理论与应用研究,2022(01):47-54
A类：
图像域分解
B类：
残差网络,双能,计算机断层成像技术,DECT,高级成像,线性矩阵,伪影,正则化方法,参数调整,逆作,始基,堆叠,双通道卷积神经网络,分解模型,噪声抑制,比方,图像边缘,边缘细节,细节信息,抑制噪声
AB值：
0.314933
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。
