典型文献
基于深度能量模型的低剂量CT重建
文献摘要：
降低计算机断层扫描(CT)的剂量对于降低临床应用中的辐射风险至关重要,深度学习的快速发展和广泛应用为低剂量CT成像算法的发展带来了新的方向.与大多数受益于手动设计的先验函数或有监督学习方案的现有先验驱动算法不同,本文使用基于深度能量模型来学习正常剂量CT的先验知识,然后在迭代重建阶段,将数据一致性作为条件项集成到低剂量CT的迭代生成模型中,通过郎之万动力学迭代更新训练的先验,实现低剂量CT重建.实验比较,证明所提方法的降噪和细节保留能力优良.
文献关键词：
低剂量CT;深度学习;郎之万动力学;深度能量模型
中图分类号：
作者姓名：
朱元正;吕启闻;官瑜;刘且根
作者机构：
南昌大学信息工程学院,南昌330036
文献出处：
引用格式：
[1]朱元正;吕启闻;官瑜;刘且根-.基于深度能量模型的低剂量CT重建)[J].CT理论与应用研究,2022(06):709-720
A类：
深度能量模型,郎之万动力学
B类：
计算机断层扫描,辐射风险,成像算法,或有,有监督学习,学习方案,先验知识,迭代重建,数据一致性,生成模型,迭代更新,新训,降噪,细节保留
AB值：
0.243565
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。
