| 基于特征学习的低剂量CT成像算法研究进展 |
| |
| 引用本文： | 刘进, 赵倩隆, 尹相瑞, 顾云波, 康季槐, 陈阳. 基于特征学习的低剂量CT成像算法研究进展[J]. CT理论与应用研究, 2019, 28(3): 393-406. DOI: 10.15953/j.1004-4140.2019.28.03.14 |
| |
| 作者姓名： | 刘进 赵倩隆 尹相瑞 顾云波 康季槐 陈阳 |
| |
| 作者单位： | 安徽工程大学计算机与信息学院,安徽 芜湖241000;东南大学计算机科学与工程学院,南京210096;计算机网络和信息集成教育部重点实验室(东南大学),南京210096;东南大学计算机科学与工程学院,南京210096;计算机网络和信息集成教育部重点实验室(东南大学),南京210096;南部战区海军第一医院,广东 湛江,524005 |
| |
| 基金项目： | 国家自然科学基金（61801003）;安徽工程大学引进人才科研启动基金（2018YQQ021） |
| |
| 摘 要： | 随着CT（computed tomography）技术在临床中的大量应用,其辐射伤害问题也越来越受到人们的关注。与此同时,高性能低剂量的成像也已经成为近年来CT研究领域中的重要研究方向。随着学习型算法的提出及广泛应用,为低剂量CT成像算法的发展带来了新的方向。在影像大数据环境下,基于特征学习方法的低剂量CT成像有着更广阔的发展空间。本文将从稀疏表示和深度学习两个方面,介绍一些国内外应用于改善CT成像质量的相关技术,包括CT成像技术的发展趋势,特征学习相关算法的研究现状,提高低剂量CT扫描成像质量的相关方案等。本文对近年来在低剂量CT成像及特种学习算法等领域的研究成果进行了介绍,并进行相关总结和分析。
|
| 关 键 词： | CT成像 图像重建 稀疏表示 字典学习 深度学习 |
| 收稿时间： | 2019-04-09 |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《CT理论与应用研究（中英文）》浏览原始摘要信息 |
|
点击此处可从《CT理论与应用研究（中英文）》下载免费的PDF全文 |
|
