换一批- 最近
- 已收藏
- 排序
- 筛选
- 49
- 22
- 8
- 5
- 1
- 1
- 1
- 16
- 16
- 14
- 12
- 10
- 4
- 1
- 1
- 1
- 1
- 中文期刊
- 刊名
- 作者
- 作者单位
- 收录源
- 栏目名称
- 语种
- 医学主题词
- 出版状态
- 外文期刊
- 文献类型
- 刊名
- 作者
- 医学主题词
- 收录源
- 语种
- 学位论文
- 授予学位
- 授予单位
- 会议论文
- 主办单位
- 专 利
- 专利分类
- 专利类型
- 国家/组织
- 法律状态
- 申请/专利权人
- 发明/设计人
- 成 果
- 鉴定年份
- 学科分类
- 地域
- 完成单位
- 标 准
- 强制性标准
- 中标分类
- 标准类型
- 标准状态
- 来源数据库
- 法 规
- 法规分类
- 内容分类
- 效力级别
- 时效性
【中文期刊】 Shao-fang Wang Zhen Li 等 《当代医学科学（英文）》 2025年45卷6期 1504-1512页SCIMEDLINECSCD
【摘要】 Objective To compare the impact of different reconstruction algorithms on the image quality of 60 kVp head and neck CT a...
【关键词】 Computed tomography angiography；Reconstruction algorithm；Deep learning reconstruction；
- 概要：
- 方法：
- 结论：
【中文期刊】 胡顺欣 于俊丽 等 《中国医疗设备》 2025年40卷1期 136-142页ISTIC
【摘要】 目的 比较能谱单能量联合基于模型的自适应统计迭代重建技术(Adaptive Statistical Iterative Reconstruction-V,ASIR-V)与固定100 keV下使用深度学习重组(Deep Learning Im...
- 概要：
- 方法：
- 结论：
【中文期刊】 赵如盛 徐露露 等 《磁共振成像》 2024年15卷11期 117-122页ISTICPKUCSCDCA
【摘要】 目的 探讨基于深度学习重建(deep learning reconstruction,DLR)算法的T2液体衰减反转恢复(fluid-attenuated inversion recovery,Flair)序列在提升白质高信号(white ...
- 概要：
- 方法：
- 结论：
【中文期刊】 严福华 《磁共振成像》 2024年15卷10期 1-2页ISTICPKUCSCDCA
【摘要】 深度学习重建(deep learning reconstruction,DLR)算法逐步成熟,已经成为MRI图像重建领域最为前沿的技术,随着DLR算法的不断优化和模型泛化性的提升,适用范围越来越广,在优化临床流程、提升图像质量以及疾病的诊断...
- 概要：
- 方法：
- 结论：
【中文期刊】 杨欢 周永霞 等 《中国医学装备》 2026年23卷2期 13-17页ISTIC
【摘要】 目的:比较低管电流结合深度学习重建(DLIR)算法与低管电流结合混合迭代重建(HIR)算法和常规扫描方案结合HIR算法所获得的冠状动脉CT血管成像(CCTA)的图像,评估DLIR算法在CCTA中的临床应用价值.方法:前瞻性纳入2023年8月...
- 概要：
- 方法：
- 结论：
【中文期刊】 刘相程 黄晓颖 等 《CT理论与应用研究》 2026年35卷1期 28-35页MEDLINEISTIC
【摘要】 CT检查是金属植入物患者术后评估的首选检查方法,但部分金属植入物可能在CT图像上产生伪影,干扰金属植入物本身及周围软组织的清晰显示,进而影响临床诊治的准确性.近年来,随着人工智能的快速发展,深度学习重建算法为减少CT图像金属伪影提供了新的解...
- 概要：
- 方法：
- 结论：
【中文期刊】 李云成 邓炜 等 《中国医学影像学杂志》 2025年33卷1期 102-106页ISTICPKUCSCD
【摘要】 深度学习重建(DLR)算法是近年新兴的CT图像重建技术,在临床实践中可作为滤波反投影和迭代重建的替代方案.相较于传统的图像重建算法,DLR算法能够在降低图像噪声和辐射剂量的同时,保留图像纹理,缩短重建时间,提高诊断效能,在图像重建领域具有广...
【关键词】 体层摄影术,X线计算机；深度学习；图像重建算法；
- 概要：
- 方法：
- 结论：
【中文期刊】 单东秋 张濛 等 《临床放射学杂志》 2025年44卷9期 1763-1768页ISTICPKU
【摘要】 目的 探讨深度学习结合压缩感知(DL-CS)不同等级去噪算法改善垂体微腺瘤薄层动态对比增强磁共振成像(DCE-MRI)图像质量的可行性.方法 前瞻性纳入2024年4月至7月行垂体DCE-MRI检查的患者62例,扫描直接获得常规CS图像.对垂...
- 概要：
- 方法：
- 结论：
【中文期刊】 綦维维 程瑾 等 《CT理论与应用研究》 2025年34卷3期 359-368页MEDLINEISTIC
【摘要】 目的:探讨在胸腹部联合增强CT扫描中,应用低管电压联合深度学习图像重建算法(DLIR)对降低辐射剂量及图像质量的影响.方法:①模体实验.确定低管电压结合深度学习算法对低对比度分辨力鉴别的可行性.按照不同图像质量参数噪声指数(NI)扫描Cat...
【关键词】 计算机体层摄影；深度学习图像重建算法；低管电压；
- 概要：
- 方法：
- 结论：
【中文期刊】 安秀静 吴哲 等 《中国医学装备》 2025年22卷3期 37-42页ISTIC
【摘要】 目的:探讨胸部低剂量CT(LDCT)应用深度学习重建(DLR)在肺结节筛查中的可行性,并比较其与常规剂量CT(RDCT)-DLR的图像质量和结节检出率.方法:前瞻性纳入2023年9月至2023年12月因肺结节筛查接受胸部CT检查的超重或肥胖...
【关键词】 肺结节；低剂量计算机断层扫描；深度学习重建算法；
- 概要：
- 方法：
- 结论：
【中文期刊】 黄梦琪 梁傲源 等 《中国医学装备》 2025年22卷12期 19-23页ISTIC
【摘要】 目的:通过体模实验评估60 kV超低剂量CT扫描结合深度学习重建算法(CI算法)在儿童胸部中的可行性.方法:采用PH-1C型儿童胸部体模,根据照射剂量参数的不同,分为常规组(标准照射剂量:100 kV/60 mA)与实验组[60 kV/不同...
- 概要：
- 方法：
- 结论：
【中文期刊】 孙磊 黄露露 《医疗装备》 2025年38卷8期 9-12页
【摘要】 目的 探讨深度学习图像重建算法(DLIR)在头颈部CT血管成像扫描中的应用效果.方法 选取2023年1月至2024年8月于医院行头颈部CT血管成像扫描的110例患者作为研究对象.对患者的原始数据进行多模型迭代重建算法(ASiR-V)重建和D...
【关键词】 深度学习图像重建算法；头颈部；CT血管成像；
- 概要：
- 方法：
- 结论：
【中文期刊】 刘泽群 贺松 等 《中国医学计算机成像杂志》 2024年30卷6期 755-759页ISTICPKUCSCD
【摘要】 目的:探究在胸部低剂量CT中应用深度学习图像重建算法(DLIR)联合自适应滤波(AF)在减少胸廓入口处伪影方面的临床价值.方法:回顾性收集行胸部低剂量CT筛查并偶发甲状腺疾病的患者150例.扫描完成后对原始数据进行图像重建.A组(常规组)采...
【关键词】 计算机体层成像；深度学习图像重建算法；自适应滤波；
- 概要：
- 方法：
- 结论：
【中文期刊】 张里园 李磊 等 《医疗卫生装备》 2024年45卷4期 98-103页ISTICCA
【摘要】 介绍了电阻抗断层成像(electrical impedance tomography,EIT)传统图像重建算法的局限性和深度学习在非线性图像重建中的优点,综述了基于深度学习的直接重建法、间接重建法和隐式重建法3种EIT图像重建算法的研究进展...
- 概要：
- 方法：
- 结论：
【中文期刊】 阿依古丽·托合提 班允清 《影像研究与医学应用》 2024年8卷24期 4-6页
【摘要】 自从CT技术问世以来,疾病的诊治得到了前所未有的发展.同时,CT检查过程中产生的辐射剂量问题是医患关注的热点,因此,如何在确保图像质量的前提下,最大程度地降低辐射剂量,已成为CT研究的重点.深度学习图像重建(DLIR)算法是基于卷积神经网络...
- 概要：
- 方法：
- 结论：
【中文期刊】 侯平 唐丽 等 《河南医学研究》 2024年33卷16期 2906-2910页CA
【摘要】 目的 探讨70 kVp联合深度学习图像重建(DLIR)算法在低辐射剂量低对比剂用量的情况下对胸主动脉血管内修复术(TEVAR)后主动脉CT血管成像(CTA)图像质量的影响.方法 前瞻性纳入65例TEVAR术后需接受主动脉CTA扫描的患者,随...
【关键词】 深度学习图像重建算法；图像处理；计算机断层扫描；
- 概要：
- 方法：
- 结论：
【中文期刊】 林优优 张秋爽 等 《现代医用影像学》 2024年33卷6期 1171-1178页
【摘要】 目的:探讨深度学习重建算法(DLIR)对头颈部CTA图像质量的影响.方法:回顾性收集50例头颈部CTA图像,分别进行DLIR-H、DLIR-M、DLIR-L和ASiR-V50％重建.测量并计算四组图像血管的背景噪声(SD)、血管锐利度(ER...
- 概要：
- 方法：
- 结论：
【中文期刊】 薛公博 刘鸿雁 等 《中华放射学杂志》 2025年59卷1期 50-56页ISTICPKUCSCDCA
【摘要】 目的:探讨深度学习图像重建（DLIR）算法、自适应统计迭代重建（ASiR-V）算法和滤波反投影重建（FBP）算法对肝脏肿瘤患者门静脉期CT腹部增强直方图和小波特征的影响。方法:回顾性收集接受腹部增强CT检查的肝脏肿瘤患者68例。利用门静脉期...
【关键词】 体层摄影术，X线计算机；纹理分析；腹部；
- 概要：
- 方法：
- 结论：
【中文期刊】 李杨飞 朱卫萍 等 《中华放射医学与防护杂志》 2024年44卷1期 53-59页ISTICPKUCSCDCA
【摘要】 目的:探讨深度学习重建算法(DLIR)与自适应统计迭代重建算法(ASiR-V)在头颈部CT血管成像(CTA)中检查剂量和成像质量的差异。方法:前瞻性收集因头颈部血管疾病行头颈部CTA检查的患者80例。按照检查的先后顺序分为A组和B组，每组4...
【关键词】 X射线计算机体层摄影术；辐射剂量；深度学习重建算法；
- 概要：
- 方法：
- 结论：
【中文期刊】 雷丽敏 周宇涵 等 《中华放射医学与防护杂志》 2024年44卷7期 613-621页ISTICPKUCSCDCA
【摘要】 目的:比较不同扫描条件下全脑CT灌注检查的图像质量和诊断参数，评估深度学习图像重建算法(DLIR)在降低管电流低剂量扫描中的应用价值。方法:前瞻性收集2022年3月至2023年3月郑州大学第一附属医院疑似急性缺血性脑卒中(AIS)患者105...
【关键词】 深度学习图像重建算法；急性缺血性脑卒中；脑灌注检查；
- 概要：
- 方法：
- 结论：
【中文期刊】 徐橙 易妍 等 《中华医学杂志》 2021年101卷39期 3202-3207页MEDLINEISTICPKUCSCDCA
【摘要】 目的:探讨基于深度学习重建算法（DLR）的冠状动脉CT血管成像（CCTA）图像质量和对钙化病变所致冠状动脉狭窄的诊断价值。方法:前瞻性纳入2020年2月至2021年2月北京协和医院放射科确诊或拟诊冠心病的33例患者，其中男26例，女7例，年...
- 概要：
- 方法：
- 结论：
【中文期刊】 周丽平 孙怡 等 《CT理论与应用研究》 2018年27卷2期 227-240页MEDLINEISTIC
【摘要】 利用工业CT进行无损检测时,由于实际X射线源的宽能谱特性,目前现有的大部分重建算法得到的图像含有射束硬化伪影.射束硬化伪影降低了图像的质量,影响了CT图像应用,如CT图像诊断等.本文提出一种基于深度学习的减少硬化伪影的方法,用大量含有硬化伪...
- 概要：
- 方法：
- 结论：
【外文期刊】 Goto, Makoto ; Nagayama, Yasunori ; 等 《Academic radiology》 2023年30卷3期 431-440页
【关键词】 CT;Lung;Deep-learning;
- 概要：
- 方法：
- 结论：
【外文期刊】 Xiang, Jinxi ; Dong, Yonggui ; 等 《IEEE Transactions on Medical Imaging》 2021年40卷5期 1329-1339页
【关键词】 Imaging;Inverse problems;Deep learning;
- 概要：
- 方法：
- 结论：
【外文期刊】 Greffier, Joel ; Si-Mohamed, Salim ; 等 2022年49卷8期 5052-5063页SCISCIEMEDLINE
【关键词】 artificial Intelligence;deep-learning image reconstruction algorithm;multidetector computed tomography;
- 概要：
- 方法：
- 结论：
【外文期刊】 Lu B. ; Fu L. ; 等 2024年113卷 102345-102345页
【关键词】 Deep learning;Electromagnetic tomography;Image reconstruction;
- 概要：
- 方法：
- 结论：
【外文期刊】 Hashimoto, Fumio ; Onishi, Yuya ; 等 2024年17卷1期 24-46页
【关键词】 Positron emission tomography;Deep learning;Image reconstruction;
- 概要：
- 方法：
- 结论：
【外文期刊】 Ote, Kibo ; Hashimoto, Fumio ; 2022年15卷1期 72-82页
【关键词】 Positron emission tomography;Image reconstruction;Deep learning;
- 概要：
- 方法：
- 结论：
【外文期刊】 Sayantan Bhadra ; Varun A. Kelkar ; 等 2021年40卷11期 3249-3260页
【关键词】 Image reconstruction;Imaging;Reconstruction algorithms;
- 概要：
- 方法：
- 结论：
【外文期刊】 Pain, Cameron Dennis ; Egan, Gary F. ; 等 2022年49卷9期 3098-3118页SCISCIEMEDLINE
【关键词】 PET;Deep learning;Image reconstruction;
- 概要：
- 方法：
- 结论：
【外文期刊】 Shi, Liu ; Liu, Baodong ; 等 《Journal of X-ray science and technology》 2020年28卷4期 619-639页SCISCIEMEDLINE
【关键词】 CT;image reconstruction;open source;
- 概要：
- 方法：
- 结论：
【外文期刊】 Xu, Jack Junchi ; Lonn, Lars ; 等 《European radiology》 2022年32卷10期 7098-7107页SCISCIEMEDLINE
- 概要：
- 方法：
- 结论：
【外文期刊】 Jo?l Greffier ; Djamel Dabli ; 等 《Medical Physics》 2021年48卷10期 5743-5755页SCISCIEMEDLINE
【关键词】 deep learning image reconstruction algorithm;multidetector computed tomography;task‐based image quality assessment;
- 概要：
- 方法：
- 结论：
【外文期刊】 Lell, Michael ; Kachelriess, Marc ; 《Investigative radiology》 2023年58卷8期 587-601页SCISCIEMEDLINE
- 概要：
- 方法：
- 结论：
【外文期刊】 Xiao, Jun ; Liu, Ze ; 等 《Nature reviews Cancer》 2018年18卷8期 3290-3298页
【关键词】 Electromagnetic tomography;inverse problem;image reconstruction algorithm;
- 概要：
- 方法：
- 结论：
【外文期刊】 Guillaume Corda-D’Incan ; Julia A. Schnabel ; 等 2023年7卷7期 742-754页
【关键词】 Image reconstruction;Imaging;Reconstruction algorithms;
- 概要：
- 方法：
- 结论：
【外文期刊】 Bie, Yifan ; Yang, Shuo ; 等 2022年30卷3期 409-418页SCISCIEMEDLINE
【关键词】 Deep learning image reconstruction;computed tomography (CT);adaptive statistical iterative reconstruction-Veo;
- 概要：
- 方法：
- 结论：
【外文期刊】 Anish Lahiri ; Guanhua Wang ; 等 2021年40卷11期 3113-3124页
【关键词】 Image reconstruction;Dictionaries;Supervised learning;
- 概要：
- 方法：
- 结论：
【外文期刊】 Zhang, Haimiao ; Liu, Baodong ; 等 《IEEE Transactions on Medical Imaging》 2021年40卷2期 621-634页
【关键词】 Computed tomography;Image reconstruction;Heuristic algorithms;
- 概要：
- 方法：
- 结论：
【外文期刊】 Dianlin Hu ; Yikun Zhang ; 等 《IEEE Transactions on Medical Imaging》 2022年41卷7期 1778-1790页
【关键词】 Image reconstruction;Computed tomography;Image edge detection;
- 概要：
- 方法：
- 结论：
【外文期刊】 Jeon, Pil-Hyun ; Lee, Chang-Lae ; 《Journal of X-ray science and technology》 2023年31卷2期 409-422页SCISCIEMEDLINE
【关键词】 Deep learning reconstruction;CT angiography;image quality;
- 概要：
- 方法：
- 结论：
【外文期刊】 Joël,Greffier ; Julien,Frandon ; 等 《Diagnostic and interventional imaging》 2023年104卷2期 76-83页SCIMEDLINE
【关键词】 Artificial intelligence;Deep learning image reconstruction algorithm;Lumbar spine;
- 概要：
- 方法：
- 结论：
【外文期刊】 Liu,Shi ; Baodong,Liu ; 等 《Journal of X-ray science and technology》 2020年28卷4期 619-639页SCIMEDLINE
- 概要：
- 方法：
- 结论：
【外文期刊】 Rafał,Stojek ; Anna,Pastuszczak ; 等 《Sensors (Basel, Switzerland)》 2024年24卷24期 SCIMEDLINE
【关键词】 compressive imaging;computational imaging;deep learning;
- 概要：
- 方法：
- 结论：
【外文期刊】 Binchun,Lu ; Lidan,Fu ; 等 《Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society》 2024年113卷 102345页SCIMEDLINEBP
【关键词】 Deep learning;Electromagnetic tomography;Image reconstruction;
- 概要：
- 方法：
- 结论：
【外文期刊】 Andrea,Cozzi ; Maurizio,Cè ; 等 《Tomography (Ann Arbor, Mich.)》 2023年9卷5期 1629-1637页
【关键词】 brain computed tomography;deep learning-based reconstruction algorithms;image noise;
- 概要：
- 方法：
- 结论：
【外文期刊】 Wenjie,Wu ; Hefeng,Zhan ; 等 《Frontiers in cardiovascular medicine》 2024年11卷 1330824页
【关键词】 SnapShot Freeze 2;coronary CT angiography;deep learning image reconstruction algorithm;
- 概要：
- 方法：
- 结论：
【外文期刊】 Joël,Greffier ; Djamel,Dabli ; 等 《Quantitative imaging in medicine and surgery》 2022年12卷1期 229-243页SCIMEDLINE
【关键词】 Task-based image quality assessment;computed tomography scan (CT scan);deep learning image reconstruction algorithm;
- 概要：
- 方法：
- 结论：
【外文期刊】 Joël,Greffier ; Philippe,Soyer ; 等 《Diagnostic and interventional imaging》 2024年105卷6期 211-212页SCIMEDLINE
【关键词】 Deep-learning image reconstruction algorithms;Middle ear CT;Multidetector computed tomography;
- 概要：
- 方法：
- 结论：
【外文期刊】 Sudeep,Mondal ; Subhadip,Paul ; 等 《Biomedical physics & engineering express》 2025年11卷2期
【关键词】 backprojection algorithm;convolutional neural networks;deep learning;
- 概要：
- 方法：
- 结论：
加载中...
