典型文献
基于子空间投影和边缘增强的低剂量CT去噪
文献摘要：
低剂量计算机断层扫描(CT)是一种相对安全的疾病筛查手段,但低剂量CT图像往往包含较多噪声和伪影,严重影响医生的诊断.针对该问题,本文提出一种基于子空间投影和边缘增强网络(SPEENet).SPEENet为自编码器结构,包含双流编码器和解码器两个主要模块.双流编码器可以被分为噪声图像编码流及边缘信息编码流两部分,噪声图像编码流对低剂量CT图像进行特征提取,利用图像特征去除低剂量CT中的噪声和伪影;边缘信息编码流部分主要关注低剂量CT图像的边缘信息,利用边缘信息保护图像结构.为充分利用编码器特征,本文引入噪声基投影模块,构建基于编码器和解码器特征的基,并利用该基将编码器提取的特征投影到对应的子空间,获取更好的特征表示.本文在公开数据集上进行实验以验证提出网络的有效性,实验结果表明,相较于其他低剂量CT去噪网络,SPEENet可以取得更好的去噪效果.
文献关键词：
深度学习;自编码器;低剂量CT;子空间投影;边缘信息
中图分类号：
作者姓名：
魏屹立;杨子元;夏文军;汪涛;张意
作者机构：
四川大学计算机学院,成都610065;四川大学网络安全学院,成都610065
文献出处：
引用格式：
[1]魏屹立;杨子元;夏文军;汪涛;张意-.基于子空间投影和边缘增强的低剂量CT去噪)[J].CT理论与应用研究,2022(06):721-729
A类：
SPEENet
B类：
子空间投影,边缘增强,低剂量计算机断层扫描,疾病筛查,伪影,自编码器,双流,解码器,噪声图像,图像编码,码流,边缘信息,信息编码,图像特征,信息保护,特征投影,特征表示,公开数据集,去噪网络,去噪效果
AB值：
0.209691
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。
