换一批
换一批基于深度学习的低剂量CT图像去噪方法综述
Research overview of deep learning-based denoising methods for low-dose CT images
摘要由于低剂量CT情境下医学图像存在多样的噪声,其强度和种类各异,因此选择合适的算法对去噪至关重要.传统图像去噪方法基于先验知识,其优化过程相对繁琐,存在保留图像细节和处理效率方面的一定限制.相较之下,基于深度学习的去噪方法具备学习能力强大、非线性建模、端到端学习、适应性强和大规模并行计算等独特优势,使其相对于传统方法在处理复杂噪声场景时更为有效.本文全面概括并深入分析了当前低剂量CT图像去噪方法的研究热点.首先,简要介绍了低剂量CT图像去噪的步骤和过程.其次,结合当前基于深度学习的低剂量CT图像去噪方法的研究现状,重点探讨了残差学习、注意力网络以及自监督学习这三个最具代表性的研究热点,详细阐述了各种基础网络架构及其改进方法在低剂量CT图像去噪中的应用情况.最后,总结了当前低剂量CT图像降噪方法所面临的主要挑战,并提出了未来的研究方向,以促进低剂量CT图像去噪技术的进一步发展.
更多相关知识
- 浏览7
- 被引0
- 下载1
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
