换一批
换一批基于深度模糊学习的牙科CBCT运动伪影校正算法
A deep blur learning-based motion artifact reduction algorithm for dental cone-beam computed tomography images
摘要目的 针对牙科CBCT扫描中患者不自主运动导致的重建图像运动伪影问题,提出了一种基于深度模糊学习的牙科CBCT运动伪影校正算法(DMBL),以提升牙科CBCT的成像质量.方法 首先使用模糊编码模块提取运动退化特征,从而对运动导致的退化过程进行建模,然后将得到的运动退化特征输入伪影校正模块进行运动伪影去除.其中,伪影校正模块采用了图像模糊去除和图像模糊仿真的联合学习框架,可有效处理空间变化且随机的运动模式.为验证所提方法的有效性,本文分别在仿真运动数据集和临床数据集上进行对比实验.结果 仿真数据集实验结果表明,本文方法峰值信噪比提升了2.88%,结构相似性(SSIM)提升了0.89%,均方根误差(RMSE)减少了10.58%;临床数据集实验结果表明,本文方法取得了最高的专家主观图像质量评分4.417(5分制),且与对比方法结果的评分具有显著性差异(P<0.001).结论 本文提出的DMBL算法,通过构建深度模糊联合学习网络结构,能够有效地去除牙科CBCT图像中的运动伪影,实现高质量的图像恢复.
更多相关知识
栏目名称
DOI
10.12122/j.issn.1673-4254.2024.06.22
发布时间
2024-07-29
- 浏览7
- 被引0
- 下载3
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
