基于卷积神经网络去除磁共振图像降采样伪影的方法.pdf
猫巷****觅蓉
亲,该文档总共13页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于卷积神经网络去除磁共振图像降采样伪影的方法.pdf
基于卷积神经网络去除磁共振图像降采样伪影的方法,将带有伪影的样本磁共振图像作为输入图像,通过卷积神经网络框架进行处理,最终得到无伪影的结果图像,(一)获取最优模型,T1、对样本磁共振图像进行预处理;T2、搭建卷积神经网络基本框架;T3、对卷积神经网络基本框架参数进行初始化;T4、通过训练数据对卷积神经网络基本框架参数进行优化,得到最优模型;(二)通过最优模型对待处理图像进行去伪影得到目标图像,T5、将经过预处理的待处理图像数据代入最优模型中,输出结果图像。该发明建立的最优模型可以有效去除降采样造成的伪影,
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。
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,
基于深度卷积神经网络的CTCBCT图像伪影校正方法研究的开题报告.docx
基于深度卷积神经网络的CTCBCT图像伪影校正方法研究的开题报告一、选题背景及意义计算机断层扫描(ComputedTomography,CT)是临床诊断中常用的一种无创性成像技术。然而,在CT成像中,伴随着各种因素所产生的伪影问题一直存在,这极大地影响了图像质量和临床诊断的准确性。因此,如何有效地去除伪影成为了CT图像处理中的一个重要问题。近年来,深度卷积神经网络在医学影像领域得到了广泛应用,并在各种任务中表现出了较好的性能,包括图像分类、分割和重建等。因此,本文选取深度卷积神经网络作为研究工具,基于其强
去除图像伪影的方法和设备.pdf
去除图像伪影的方法、设备和软件,其实现于多摄像头设备中,其中,该方法包括以下步骤:用目标摄像头捕捉初始图像,并基本上同时用支持摄像头捕捉至少一个支持图像;将初始图像和至少一个支持图像对准;比较所对准的初始图像和至少一个支持图像,并识别对应于图像伪影的至少一个差异区域;并且将所述至少一个差异区域的图像信息从支持图像传送到初始图像以形成最终图像,从而去除图像伪影。