请您登录后下载
用户名:
密码:
验证码:   验证码,不区分大小写,点击更换验证码
一个月内自动登录  忘记密码?
 

×

您当前的位置:首页 >> 文章简介

基于特征学习的低剂量CT成像算法研究进展

查看全文 下载全文
下载PDF阅读器


摘要:

随着CT(computed tomography)技术在临床中的大量应用,其辐射伤害问题也越来越受到人们的关注。与此同时,高性能低剂量的成像也已经成为近年来CT研究领域中的重要研究方向。随着学习型算法的提出及广泛应用,为低剂量CT成像算法的发展带来了新的方向。在影像大数据环境下,基于特征学习方法的低剂量CT成像有着更广阔的发展空间。本文将从稀疏表示和深度学习两个方面,介绍一些国内外应用于改善CT成像质量的相关技术,包括CT成像技术的发展趋势,特征学习相关算法的研究现状,提高低剂量CT扫描成像质量的相关方案等。本文对近年来在低剂量CT成像及特种学习算法等领域的研究成果进行了介绍,并进行相关总结和分析。

作者: 刘进,赵倩隆,尹相瑞,顾云波,康季槐,陈阳
作者单位: 1.安徽工程大学计算机与信息学院,安徽 芜湖241000
2.东南大学计算机科学与工程学院,南京210096
3.计算机网络和信息集成教育部重点实验室(东南大学),南京210096
4.南部战区海军第一医院,广东 湛江524005
期刊: CT理论与应用研究
年.卷(期):页码 2019.28(3):393-406
中图分类号: R812
DOI: doi:10.15953/j.1004-4140.2019.28.03.14
关键词: CT成像;图像重建;稀疏表示;字典学习;深度学习

欢迎阅读《CT理论与应用研究》!您是该文第26位读者!