标题:结合反卷积的CT图像超分辨重建网络
作者:徐军; 刘慧; 郭强; 张彩明
作者机构:[徐军]山东财经大学计算机科学与技术学院;;山东省数字媒体技术重点实验室, ;;山东省数字媒体技术重点实验室, 济南;;济南, ;; 250014;;250014;[刘慧]山东财经大 更多
通讯作者:Liu, Hui
来源:计算机辅助设计与图形学学报
出版年:2018
卷:30
期:11
页码:2084-2092
DOI:10.3724/SP.J.1089.2018.17051
关键词:CT图像; 超分辨重建; 卷积神经网络; 反卷积
摘要:医学图像的质量对于患者疾病的诊断、治疗乃至科学研究起着重要的作用.然而,受医疗设备和放射剂量等因素的影响,医学CT图像的分辨率普遍较低.为了实现; 医学CT图像超分辨重建,提出一种结合反卷积的神经网络算法,通过引入反卷积操作,有效地建立了低/高分辨率图像之间端到端的映射.首先选取肺部、脑部、; 心脏和脊椎等部位的1; 500幅CT图像作为训练数据,将训练数据下采样后输入网络模型;然后建立正反卷积网络模型学习图像特征,网络模型用caffe框架实现,激活函数使用P; ReLU;最后基于学习到的这些特征重建出高分辨率图像,采用平均方法重建图像.实验结果表明,文中算法能够更好地重建出图像的轮廓和边缘纹理;与已有算; 法相比,所构建的4层网络结构在重建结果的峰值信噪比、结构相似性、信息熵及重建速度等性能指标上均取得了更好的效果.
收录类别:EI;CSCD;SCOPUS
资源类型:期刊论文
原文链接:https://www.scopus.com/inward/record.uri?eid=2-s2.0-85059553559&doi=10.3724%2fSP.J.1089.2018.17051&partnerID=40&md5=6450626b34b407776003eb5a1003580f
TOP