期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于多尺度上下文信息融合的条件生成对抗神经网络用于低剂量PET图像去噪
被引量:
7
1
作者
杨昆
杜瑀
+3 位作者
钱武侠
薛林雁
刘琨
卢闫晔
《电子测量技术》
北大核心
2021年第7期74-81,共8页
PET成像在信号采集过程中存在辐射暴露风险,在保证成像质量的前提下需要尽可能降低示踪剂的使用剂量。这将导致PET图像伪影及信噪比低等问题。本文提出一种基于多尺度上下文信息融合的条件生成对抗网络,用于优化PET图像重建,以提高PET...
PET成像在信号采集过程中存在辐射暴露风险,在保证成像质量的前提下需要尽可能降低示踪剂的使用剂量。这将导致PET图像伪影及信噪比低等问题。本文提出一种基于多尺度上下文信息融合的条件生成对抗网络,用于优化PET图像重建,以提高PET图像的图像质量。通过对作为生成器的编码器-解码器网络的跳过连接进行重新设计,提出一种基于多尺度上下文信息融合的跳过连接,使解码器能够在解码过程中获取来自编码器更加丰富的语义特征。采用使生成器网络学习低剂量PET图像的噪声分布的策略,降低了网络的学习难度。在低剂量PET数据集上对所提出的网络进行评估,峰值信噪比为29.948±4.062,结构相似性系数为0.926±0.030,标准均方根误差为0.395±0.211。相比于传统去噪算法Non-Local Mean和Block-Matching 3D以及2种深度学习方法RED-CNN和以U-Net为生成器的条件生成对抗网络,本文所提出的网络均取得了更加优越的性能表现。
展开更多
关键词
图像
去噪
低剂量pet图像
条件生成对抗网络
深度学习
下载PDF
职称材料
题名
基于多尺度上下文信息融合的条件生成对抗神经网络用于低剂量PET图像去噪
被引量:
7
1
作者
杨昆
杜瑀
钱武侠
薛林雁
刘琨
卢闫晔
机构
河北大学质量技术监督学院
计量仪器与系统国家地方联合工程研究中心
北京大学生物医学工程系
出处
《电子测量技术》
北大核心
2021年第7期74-81,共8页
基金
河北省自然科学基金(H2019201378)
基于深度学习的低剂量PET图像增强算法研究(XZJJ201917)项目资助
文摘
PET成像在信号采集过程中存在辐射暴露风险,在保证成像质量的前提下需要尽可能降低示踪剂的使用剂量。这将导致PET图像伪影及信噪比低等问题。本文提出一种基于多尺度上下文信息融合的条件生成对抗网络,用于优化PET图像重建,以提高PET图像的图像质量。通过对作为生成器的编码器-解码器网络的跳过连接进行重新设计,提出一种基于多尺度上下文信息融合的跳过连接,使解码器能够在解码过程中获取来自编码器更加丰富的语义特征。采用使生成器网络学习低剂量PET图像的噪声分布的策略,降低了网络的学习难度。在低剂量PET数据集上对所提出的网络进行评估,峰值信噪比为29.948±4.062,结构相似性系数为0.926±0.030,标准均方根误差为0.395±0.211。相比于传统去噪算法Non-Local Mean和Block-Matching 3D以及2种深度学习方法RED-CNN和以U-Net为生成器的条件生成对抗网络,本文所提出的网络均取得了更加优越的性能表现。
关键词
图像
去噪
低剂量pet图像
条件生成对抗网络
深度学习
Keywords
image denoising
low dose
pet
image
conditional generative adversarial network
deep learning
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于多尺度上下文信息融合的条件生成对抗神经网络用于低剂量PET图像去噪
杨昆
杜瑀
钱武侠
薛林雁
刘琨
卢闫晔
《电子测量技术》
北大核心
2021
7
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部