一种基于深度学习的双域CT图像环状伪影去除方法.pdf
运升****魔王
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
一种基于深度学习的双域CT图像环状伪影去除方法.pdf
本发明公开了一种基于深度学习的双域CT图像环状伪影去除方法,针对CT图像的环状伪影,使用投影域和图像域双域混合的校正方法,利用深度神经网络在投影域和图像域分别进行伪影校正,然后将双域校正后的图像组合为双通道的图像集,并分割为图像块,通过一个图像质量评价的深度神经网络来对这些图像块进行质量评价,其中评价高的通道保留下来,最终所有保留下的图像块经过直方图匹配后组成最终的校正图像。本发明使用了深度神经网络在投影域和图像域分别对伪影图像进行处理,这种方法比之传统的后处理算法如正则化迭代算法,提高了处理速度,减少了
CT图像环状伪影的去除方法、装置、设备及存储介质.pdf
本发明公开了一种CT图像伪影的去除方法,涉及图像处理技术领域。主要目的在于解决现有技术中CT图像伪影去除不够精确的问题。去除方法包括:获取具有环状伪影的原始图像;基于直角坐标系,提取所述原始图像的第一环状伪影,和基于极坐标系,提取所述原始图像的第二环状伪影;基于所述第一环状伪影、第二环状伪影和原始图像,获取伪影去除图像。
CT图像伪影去除方法.pdf
本发明提供了一种CT图像伪影去除方法,涉及医学影像技术领域,通过对输入图像进行滤波得到带有边缘保护区域的图像纹理,获得图像纹理在频率阈的相位分布和幅值分布,计算幅值分布中相同频率成分的均值并做归一化,得到归一化的幅值分布,并根据设定的阈值和低频掩膜得到峰值的分布;对峰值分布进行高斯滤波得到滤波矩阵,得到无混叠的纹理频域图像;结合图像纹理在频率阈的相位分布,对无混叠的纹理频域图像处理,得到无混叠的纹理空间域图像;然后将图像纹理与无混叠的纹理空间域图像相减,得到混叠空间域图像;最后将输入图像减去混叠伪影图像,
一种基于深度学习的核磁共振图像的降采样伪影去除方法.pdf
一种基于深度学习的核磁共振图像的降采样伪影去除方法,包括如下步骤:步骤一,通过带伪影的样本磁共振图像获得最优模型;步骤二,将带降采样伪影的磁共振图像通过步骤一得到的最优模型处理,得到估计伪影图;步骤三,用带降采样伪影的磁共振图像减去步骤二得的估计伪影图像,然后用测量数据代替对应k空间低频数据得到去伪影图像。该基于卷积神经网络的模型能有效地去除磁共振图像中由于降采样导致的伪影,并且不会造成明显的模糊以及对比度的损失,同时很好地保留图像的细节,并且具有高的鲁棒性和高效性。
一种医学图像伪影去除方法.pdf
本发明涉及一种医学图像伪影去除方法,其包括将具有环状伪影的图像转换为第一直线性伪影图像;将第一直线性伪影图像通过平滑处理得到第二直线性伪影图像;将第二直线性伪影图像与第一直线性伪影图像相减,得到高对比度图像;将高对比度图像通过径向基神经网络得到伪影去除后的图像;将伪影去除后的图像通过逆极坐标变换得到无环图像。本发明通过极坐标变换将环状伪影转换为线性伪影,再通过平滑操作准确定位环状伪影,通过自适应梯度下降算法和重力搜索算法的结合对神经网络进行训练,精确提取和学习源信息,不仅可以更多地保留源图像的细节信息,而