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
2
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DenseCUT网络由头部锥形束CT图像生成合成CT图像
1
作者
吴新红
王江涛
+4 位作者
唐巍
左阳
卢晓明
朱磊
杨益东
《中国医学物理学杂志》
CSCD
2023年第3期313-319,共7页
提出一种由头部锥形束CT(CBCT)图像生成合成CT(sCT)图像的无监督深度学习网络,并与循环生成对抗(CycleGAN)网络及对比非配对转换(CUT)网络进行比较。本研究共获取56例脑部肿瘤患者的计划CT(pCT)和CBCT数据(其中49例用于训练,7例用于测...
提出一种由头部锥形束CT(CBCT)图像生成合成CT(sCT)图像的无监督深度学习网络,并与循环生成对抗(CycleGAN)网络及对比非配对转换(CUT)网络进行比较。本研究共获取56例脑部肿瘤患者的计划CT(pCT)和CBCT数据(其中49例用于训练,7例用于测试),分别使用CycleGAN网络、CUT网络以及本研究提出的密集对比非配对转换(DenseCUT)网络由CBCT图像生成sCT。DenseCUT网络有两点创新之处:将CUT网络与密集块网络结合;在损失函数中加入结构相似性。与pCT-CBCT相比,pCT-sCT(DenseCUT网络)的HU值平均绝对误差从34.38 HU降低到17.75 HU,峰值信噪比从26.19 dB提升到29.83 dB,结构相似性从0.78提升到0.87。本文方法可在不改变解剖结构的情况下从CBCT图像中生成高质量的sCT图像,同时降低图像伪影,使CBCT应用于剂量计算和自适应放疗计划成为可能。
展开更多
关键词
锥形束CT
合成CT
密集对比非配对转换网络
下载PDF
职称材料
基于生成对抗网络的空间卫星低照度图像增强
被引量:
4
2
作者
陈榆琅
高晶敏
+1 位作者
张科备
张洋
《中国空间科学技术》
EI
CSCD
北大核心
2021年第3期16-23,共8页
针对空间低照度成像条件下卫星光学图像信息受损严重的问题,提出了一种基于生成对抗网络的空间卫星低照度图像增强方法,提高了图像的平均亮度及对比度,恢复图像细节信息,为图像识别等图像处理技术提供更高质量的数据信息。首先,设计了...
针对空间低照度成像条件下卫星光学图像信息受损严重的问题,提出了一种基于生成对抗网络的空间卫星低照度图像增强方法,提高了图像的平均亮度及对比度,恢复图像细节信息,为图像识别等图像处理技术提供更高质量的数据信息。首先,设计了一种密集连接的生成器,加强了各特征提取阶段中的信息传递以及多层特征的融合,减少了特征信息的损耗,更好地提取正常照度图像及低照度图像中相似的语义信息;并结合EnlightenGAN的思想,采用了全局-局部辨别器结构,使图像增强效果更自然。然后,在少量样本的条件下,利用非配对样本对该方法进行训练,并通过对输入图像进行随机缩放及翻转等数据增强方法提高模型训练效果,进而提升低照度图像增强性能。最后,对所提出的空间卫星低照度图像增强方法进行了仿真验证。试验结果表明,在空间低照度条件下,该方法在NIQE指标上较LIME及EnlightenGAN分别降低了1.034和0.699,保留了更多的图像细节,具有更高的整体和局部亮度、更高的对比度以及更自然的增强效果。
展开更多
关键词
低照度图像增强
生成对抗
网络
非
配对
训练
密集
连接
相对辨别器
下载PDF
职称材料
题名
基于DenseCUT网络由头部锥形束CT图像生成合成CT图像
1
作者
吴新红
王江涛
唐巍
左阳
卢晓明
朱磊
杨益东
机构
中国科学技术大学工程与应用物理系
合肥离子医学中心
中国科学技术大学附属第一医院放射治疗科
出处
《中国医学物理学杂志》
CSCD
2023年第3期313-319,共7页
基金
国家自然科学基金(81671681)
国家重点研发计划(2016YFC0101400)
+1 种基金
中央高校基本科研业务费专项资金(WK2030000037,WK2030040089)
安徽省科技重大专项(BJ2030480006)。
文摘
提出一种由头部锥形束CT(CBCT)图像生成合成CT(sCT)图像的无监督深度学习网络,并与循环生成对抗(CycleGAN)网络及对比非配对转换(CUT)网络进行比较。本研究共获取56例脑部肿瘤患者的计划CT(pCT)和CBCT数据(其中49例用于训练,7例用于测试),分别使用CycleGAN网络、CUT网络以及本研究提出的密集对比非配对转换(DenseCUT)网络由CBCT图像生成sCT。DenseCUT网络有两点创新之处:将CUT网络与密集块网络结合;在损失函数中加入结构相似性。与pCT-CBCT相比,pCT-sCT(DenseCUT网络)的HU值平均绝对误差从34.38 HU降低到17.75 HU,峰值信噪比从26.19 dB提升到29.83 dB,结构相似性从0.78提升到0.87。本文方法可在不改变解剖结构的情况下从CBCT图像中生成高质量的sCT图像,同时降低图像伪影,使CBCT应用于剂量计算和自适应放疗计划成为可能。
关键词
锥形束CT
合成CT
密集对比非配对转换网络
Keywords
cone beam CT
synthetic CT
dense contrastive unpaired translation network
分类号
R318 [医药卫生—生物医学工程]
R811.1 [医药卫生—放射医学]
下载PDF
职称材料
题名
基于生成对抗网络的空间卫星低照度图像增强
被引量:
4
2
作者
陈榆琅
高晶敏
张科备
张洋
机构
北京信息科技大学自动化学院
北京控制工程研究所
出处
《中国空间科学技术》
EI
CSCD
北大核心
2021年第3期16-23,共8页
基金
国防科工局稳定支持项目(HTKJ2019KL502008)
“十三五”民用航天技术预先研究项目(D020103、D030105)。
文摘
针对空间低照度成像条件下卫星光学图像信息受损严重的问题,提出了一种基于生成对抗网络的空间卫星低照度图像增强方法,提高了图像的平均亮度及对比度,恢复图像细节信息,为图像识别等图像处理技术提供更高质量的数据信息。首先,设计了一种密集连接的生成器,加强了各特征提取阶段中的信息传递以及多层特征的融合,减少了特征信息的损耗,更好地提取正常照度图像及低照度图像中相似的语义信息;并结合EnlightenGAN的思想,采用了全局-局部辨别器结构,使图像增强效果更自然。然后,在少量样本的条件下,利用非配对样本对该方法进行训练,并通过对输入图像进行随机缩放及翻转等数据增强方法提高模型训练效果,进而提升低照度图像增强性能。最后,对所提出的空间卫星低照度图像增强方法进行了仿真验证。试验结果表明,在空间低照度条件下,该方法在NIQE指标上较LIME及EnlightenGAN分别降低了1.034和0.699,保留了更多的图像细节,具有更高的整体和局部亮度、更高的对比度以及更自然的增强效果。
关键词
低照度图像增强
生成对抗
网络
非
配对
训练
密集
连接
相对辨别器
Keywords
low-light image enhancement
GAN
unpaired training
dense connection
relativistic discriminator
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
TP391 [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DenseCUT网络由头部锥形束CT图像生成合成CT图像
吴新红
王江涛
唐巍
左阳
卢晓明
朱磊
杨益东
《中国医学物理学杂志》
CSCD
2023
0
下载PDF
职称材料
2
基于生成对抗网络的空间卫星低照度图像增强
陈榆琅
高晶敏
张科备
张洋
《中国空间科学技术》
EI
CSCD
北大核心
2021
4
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