期刊导航
期刊开放获取
上海教育软件发展有限公..
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
基于非局部能谱相似特征的基物质分解方法用于双能CT图像去噪
被引量：
4
1
作者
王蕾
王永波
+2 位作者
边兆英
马建华
黄静
《南方医科大学学报》
CAS
CSCD
北大核心
2022年第5期724-732,共9页
目的提出一种非局部能谱相似特征引导的双能CT基物质分解方法(NSSD-Net)以抑制低剂量能谱CT基物质图像的相关性噪声。方法首先构建模型驱动的双能CT迭代分解模型,采用迭代软阈值算法(ISTA)优化分解模型目标函数的求解过程,并利用深度学...
目的提出一种非局部能谱相似特征引导的双能CT基物质分解方法(NSSD-Net)以抑制低剂量能谱CT基物质图像的相关性噪声。方法首先构建模型驱动的双能CT迭代分解模型,采用迭代软阈值算法(ISTA)优化分解模型目标函数的求解过程,并利用深度学习技术将此过程展开为迭代分解网络的形式。然后构建非局部能谱相似特征引导的代价函数,约束网络的训练过程。利用双能CT真实病人数据所建立的基物质分解数据集进行评估。将NSSD-Net与2种传统模型驱动的基物质分解方法、1种基于数据驱动的基物质分解方法以及1种基于数据-模型耦合驱动的监督分解方法进行对比实验。结果与传统模型驱动的基物质分解方法以及数据驱动的基物质分解方法相比,NSSD-Net方法在水和骨基物质分解结果中均获得最高的PNSR指标(31.383和31.444)、最高的SSIM指标(0.970和0.963)以及最低的RMSE指标(2.901和1.633);与数据-模型耦合驱动的监督分解方法相比,NSSD-Net方法在水和骨基物质分解结果中均获得最高的SSIM指标;临床影像专家的主观图像质量评估结果显示,NSSD-Net方法在水和骨基物质分解结果中图像质量评分均最高(8.625和8.250),与其他4种对比方法分解性能之间的差异具有统计学意义(P<0.001)。结论本方法可以获得高质量的基物质分解结果,有效避免训练数据质量问题和模型不可解释问题。
展开更多
关键词
能谱CT
基物质分解
方法
深度学习
非局部能谱相似性
在线阅读
下载PDF
职称材料
基于先验信息感知学习的能谱CT及物质定量智能成像算法
2
作者
段政
李丹阳
+2 位作者
曾栋
边兆英
马建华
《南方医科大学学报》
CAS
CSCD
北大核心
2023年第4期620-630,共11页
目的提出一种基于先验信息感知学习的能谱CT半监督物质定量智能成像算法(SLMD-Net),以提升能谱CT及物质定量成像精度和质量,并降低数据驱动网络对标签数据的依赖性。方法算法框架包括监督子模块和自监督子模块。在监督子模块中,基于少...
目的提出一种基于先验信息感知学习的能谱CT半监督物质定量智能成像算法(SLMD-Net),以提升能谱CT及物质定量成像精度和质量,并降低数据驱动网络对标签数据的依赖性。方法算法框架包括监督子模块和自监督子模块。在监督子模块中,基于少量标签数据和均方误差损失函数学习构建从低信噪比数据到高信噪比数据的映射关系;在自监督子模块中,针对大量无标签低信噪比基物质图像数据,采用基于图像恢复模型构建损失函数,并纳入基物质图像数据的先验信息,以全变分(TV)模型刻画图像的先验信息。两个子模块合并构成SLMD-Net并通过临床仿真数据评估可行性和有效性。结果与模型驱动的物质定量成像方法(FBP-DI、PWLS-PCG、E3DTV),数据驱动的物质定量成像方法,如基于监督学习的物质定量成像方法(SUMD-Net和BFCNN),基于无监督学习的物质定量成像方法UNTV-Net以及基于半监督的循环一致性生成对抗网络(Semi-CycleGAN)相比,SLMD-Net在视觉和定量评估上均有明显优势,如在水物质定量成像结果和骨物质定量成像结果中,SLMDNet获得最高的PSNR指标(31.82和29.06)、最高的FSIM指标(0.95和0.90)以及最低的RMSE指标(0.03和0.02),且图像质量评分与其他7种对比方法分解性能的差异具有统计学意义(P<0.05)。SLMD-Net的物质定量性能可接近于使用两倍数量级标签数据训练的SUMD-Net。结论少量标签数据和大量无标签低信噪比基物质图像数据可被充分利用训练网络,有效抑制能谱CT基物质分解过程中产生的强噪声伪影,降低数据驱动网络对标签数据的依赖性,具有更广阔的临床应用前景。
展开更多
关键词
能谱CT
基物质分解
半监督学习
U-Net
全变分
在线阅读
下载PDF
职称材料
题名
基于非局部能谱相似特征的基物质分解方法用于双能CT图像去噪
被引量：
4
1
作者
王蕾
王永波
边兆英
马建华
黄静
机构
南方医科大学生物医学工程学院
广州市医用放射成像与检测技术重点实验室
出处
《南方医科大学学报》
CAS
CSCD
北大核心
2022年第5期724-732,共9页
基金
国家自然科学基金(U1708261,U21A6005)
国家重点研发计划项目(2020YFA0712201,2020YFA0712200)
广州市科技计划项目(202206010148)。
文摘
目的提出一种非局部能谱相似特征引导的双能CT基物质分解方法(NSSD-Net)以抑制低剂量能谱CT基物质图像的相关性噪声。方法首先构建模型驱动的双能CT迭代分解模型,采用迭代软阈值算法(ISTA)优化分解模型目标函数的求解过程,并利用深度学习技术将此过程展开为迭代分解网络的形式。然后构建非局部能谱相似特征引导的代价函数,约束网络的训练过程。利用双能CT真实病人数据所建立的基物质分解数据集进行评估。将NSSD-Net与2种传统模型驱动的基物质分解方法、1种基于数据驱动的基物质分解方法以及1种基于数据-模型耦合驱动的监督分解方法进行对比实验。结果与传统模型驱动的基物质分解方法以及数据驱动的基物质分解方法相比,NSSD-Net方法在水和骨基物质分解结果中均获得最高的PNSR指标(31.383和31.444)、最高的SSIM指标(0.970和0.963)以及最低的RMSE指标(2.901和1.633);与数据-模型耦合驱动的监督分解方法相比,NSSD-Net方法在水和骨基物质分解结果中均获得最高的SSIM指标;临床影像专家的主观图像质量评估结果显示,NSSD-Net方法在水和骨基物质分解结果中图像质量评分均最高(8.625和8.250),与其他4种对比方法分解性能之间的差异具有统计学意义(P<0.001)。结论本方法可以获得高质量的基物质分解结果,有效避免训练数据质量问题和模型不可解释问题。
关键词
能谱CT
基物质分解
方法
深度学习
非局部能谱相似性
Keywords
spectral CT
material decomposition methods
deep learning
nonlocal spectral
分类号
R814.42 [医药卫生—影像医学与核医学]
在线阅读
下载PDF
职称材料
题名
基于先验信息感知学习的能谱CT及物质定量智能成像算法
2
作者
段政
李丹阳
曾栋
边兆英
马建华
机构
南方医科大学生物医学工程学院
广州市医用放射成像与检测技术重点实验室
出处
《南方医科大学学报》
CAS
CSCD
北大核心
2023年第4期620-630,共11页
基金
国家自然科学基金(U21A6005)
数学天元基金项目(12226004)。
文摘
目的提出一种基于先验信息感知学习的能谱CT半监督物质定量智能成像算法(SLMD-Net),以提升能谱CT及物质定量成像精度和质量,并降低数据驱动网络对标签数据的依赖性。方法算法框架包括监督子模块和自监督子模块。在监督子模块中,基于少量标签数据和均方误差损失函数学习构建从低信噪比数据到高信噪比数据的映射关系;在自监督子模块中,针对大量无标签低信噪比基物质图像数据,采用基于图像恢复模型构建损失函数,并纳入基物质图像数据的先验信息,以全变分(TV)模型刻画图像的先验信息。两个子模块合并构成SLMD-Net并通过临床仿真数据评估可行性和有效性。结果与模型驱动的物质定量成像方法(FBP-DI、PWLS-PCG、E3DTV),数据驱动的物质定量成像方法,如基于监督学习的物质定量成像方法(SUMD-Net和BFCNN),基于无监督学习的物质定量成像方法UNTV-Net以及基于半监督的循环一致性生成对抗网络(Semi-CycleGAN)相比,SLMD-Net在视觉和定量评估上均有明显优势,如在水物质定量成像结果和骨物质定量成像结果中,SLMDNet获得最高的PSNR指标(31.82和29.06)、最高的FSIM指标(0.95和0.90)以及最低的RMSE指标(0.03和0.02),且图像质量评分与其他7种对比方法分解性能的差异具有统计学意义(P<0.05)。SLMD-Net的物质定量性能可接近于使用两倍数量级标签数据训练的SUMD-Net。结论少量标签数据和大量无标签低信噪比基物质图像数据可被充分利用训练网络,有效抑制能谱CT基物质分解过程中产生的强噪声伪影,降低数据驱动网络对标签数据的依赖性,具有更广阔的临床应用前景。
关键词
能谱CT
基物质分解
半监督学习
U-Net
全变分
Keywords
spectral CT
basic material decomposition
semi-supervised learning
U-Net
total variance
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于非局部能谱相似特征的基物质分解方法用于双能CT图像去噪
王蕾
王永波
边兆英
马建华
黄静
《南方医科大学学报》
CAS
CSCD
北大核心
2022
4
在线阅读
下载PDF
职称材料
2
基于先验信息感知学习的能谱CT及物质定量智能成像算法
段政
李丹阳
曾栋
边兆英
马建华
《南方医科大学学报》
CAS
CSCD
北大核心
2023
0
在线阅读
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
