换一批摘要目的:在保持模型参数量一致的条件下,评估不同稀疏角度重建网络的性能.方法:保持各图像域网络、双域网络结构不变,通过调整网络通道数、网络层数,使各网络参数量相近,对比各网络在不同稀疏等级下的重建性能.实验数据采用AAPM低剂量CT挑战赛数据,其中训练集10976张,验证集979张,测试集4256张.通过视觉评估,并结合峰值信噪比、结构相似性系数(SSIM)、均方根误差等客观指标评价各模型性能.结果:调整模型参数前,混合域网络Tensor-Net获得最佳视觉评估与客观评价指标.调整参数后,在相似参数量下,各投影角度下Tensor-Net在图像解剖细节恢复方面均优于其他模型,但其SSIM略低于RED-CNN.混合域模型Dual-FBPConvNet的各项参数均差于FBPConvNet.结论:混合域模型在进行稀疏角度重建时拥有一定优势,但其面临更严重的过拟合问题,使用更大的图像域模型,可获得与混合域模型相近的结果.
更多相关知识
分类号
R318（医用一般科学）
栏目名称
DOI
10.3969/j.issn.1005-202X.2025.06.013
发布时间
2025-07-09（万方平台首次上网日期，不代表论文的发表时间）
基金项目
广州市科技计划项目（202206010148）
广东省医学科研基金项目（B2023006）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
