用于低剂量CT图像去噪的多级双树复小波网络OA北大核心CSTPCD
基于卷积神经网络(CNN)的图像去噪方法能有效去除低剂量计算机断层扫描(CT)图像伴随的伪影和噪声,从而确保CT设备输出高质量图像同时降低辐射,这对患者健康和医学诊断具有重要意义。为了进一步提高低剂量CT图像的质量,提出一种小波域去噪网络MDTNet。首先,基于双树复小波变换(DTCWT)构造多级编解码去噪网络,在多个尺度上提取特征以保留更多高频细节;然后,利用扩展的像素重排技术替代卷积上下采样,实现多级输入和特征融合,从而降低计算复杂度;最后,…查看全部>>
张鲁;田春伟;宋焕生;刘侍刚
长安大学教育技术与网络中心,陕西西安710064西北工业大学软件学院,陕西西安710072 西北工业大学深圳研究院,广东深圳518057长安大学教育技术与网络中心,陕西西安710064 长安大学信息工程学院,陕西西安710064陕西师范大学计算机科学学院,陕西西安710119
计算机与自动化
低剂量CT图像图像去噪卷积神经网络双树复小波变换像素重排
《计算机工程》 2024 (9)
P.266-275,10
广东省基础与应用基础研究基金(2021A1515110079)深圳市科技创新委员会项目(JSGG20220831105002004)中国博士后科学基金(2022TQ0259,2022M722599)。
评论