换一批摘要为了降低低剂量CT肺部噪声对肺癌筛查后期诊断的影响,该文提出一种基于深度卷积神经网络的低剂量CT肺部去噪算法.以完整的CT肺部图像作为输入,池化层对输入图像进行降维处理;批规范化解决随着网络深度的增加性能降低的问题;引入残差学习,学习模型中每一层的残差,最后输出去噪图像.与经典去噪算法实验结果对比,所提方法在解决去噪方面达到了很好的滤波效果,同时也较好地保留了肺部图像的细节信息,大大优于传统的去噪算法.
更多相关知识
关键词
卷积神经网络诊断肺部去噪残差学习批规范化Convolution Neural Network (CNN)DiagnosisLung denoisingResidual learningBatch normalization
栏目名称
DOI
10.11999/JEIT170769
发布时间
2018-07-11（万方平台首次上网日期，不代表论文的发表时间）
- 浏览5
- 被引29
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
