典型文献
基于深度学习的核磁图像超分辨重建
文献摘要：
针对乳腺癌肿瘤区域在整幅图像中占比较小影响早期乳腺癌排查准确率的问题,提出了一种基于卷积残差块的宽残差深度神经网络来恢复乳腺癌核磁图像高分辨特征的方法.所提方法采用全局残差与局部残差相组合的方式,使大量的低频信息可以直接被网络顶层接收,在每个残差块前加入卷积层进行特征预提取,并使用亚像素卷积层进行上采样操作完成低分辨率图像的重建.对包含260个病例的数据集进行了实验,并将所提方法和现有其他方法进行了对比.实验结果表明,所提方法在乳腺癌核磁图像超分辨的应用中优于双立方插值及其他深度学习方法.
文献关键词：
医用光学;超分辨率;核磁图像;卷积神经网络;残差学习
中图分类号：
作者姓名：
潘梦雪;曲宁;夏业儒;杨德勇;王洪玉;刘文龙
作者机构：
大连理工大学电子信息与电气工程学部,辽宁大连116024
文献出处：
引用格式：
[1]潘梦雪;曲宁;夏业儒;杨德勇;王洪玉;刘文龙-.基于深度学习的核磁图像超分辨重建)[J].激光与光电子学进展,2022(22):288-293
A类：
核磁图像,残差深度神经网络
B类：
图像超分辨重建,乳腺癌肿瘤,肿瘤区,整幅,小影,早期乳腺癌,残差块,低频信息,卷积层,层进,预提,亚像素卷积,上采样,低分辨率图像,其他方法,深度学习方法,医用光学,超分辨率,残差学习
AB值：
0.274968
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。
