- 基于双能CT图像域的DL-RTV多材料分解研究 - 百度学术
双能计算机断层扫描 (DECT)技术因能分解和识别材料,并提供定量化的成像结果,广泛应用于医疗,安检,无损检测以及材料科学等领域 DECT技术能提供物体在两种能谱下的衰减信息,可准确分解两种基材料 但当检测对象含有三种材料时,若对DECT图像直接求逆 (DIMD)分解多
- 基于双能CT 图像域的DL-RTV多材料分解研究
摘要 双能计算机断层扫描(DECT)技 术因能分解和识别材料,并 提供定量化的成像结果,广 泛应用于医疗、安 检、无损检测以及材料科学等领域。 DECT 技术能提供物体在两种能谱下的衰减信息,可 准确分解两种基材料。 但当检测对象含有三种材料时,若 对DECT 图像直接求逆(DIMD)分 解多材料,其 基图像将含较多噪声和伪影。 为此,提出了一种基于双能CT
- 基于双能CT图像域的DL_RTV多材料分解研究_降俊汝 - 道客巴巴
出版确认：纸质期刊编辑部通过与《中国学术期刊（光盘版）》电子杂志社有限公司签约，在《中国学术期刊（网络版）》出版传播平台上创办与纸质期刊内容一致的网络版，以单篇或整期出版形式，在印刷出版之前刊发论文的录用定稿、排版定稿、整期汇编
- 基于多通道交叉卷积UCTransNet 的双能CT基材料分解方法 . . .
摘要 提出一种基于多通道交叉卷积UCTransNet(MC-UCTransNet)的图像域双材料分解方法。 该网络以UCTransNet 为基础架构,采用通道交叉融合转换器和通道交叉注意模块来提高基材料分解性能,实现双输入双输出的端到端映射。 网络中通道交叉融合模块和通道交叉注意模块可更好地捕捉复杂的通道信号相关性,以更充分地进行特征提取与融合,实现基材料生成路径之间的信息交换。 为进一步提高模型的拟合性能,网络训练时采用混合损失及Sigmoid 函数的归一化方法。 实验结果表明,在骨骼基材料及软组织碘基材料分解任务中,所提方法能获得优质的基材料图像,与对比方法相比,其分解后的基材料图像在准确度及噪声伪影抑制上表现更好。 引 1 言
- 双能CT图像域
本文主要针对“ 两步法” 中的第二步, 即对两幅高、 低能CT图像分解成两物质分解图像或多物质分解图像所运用到的主要的图像域基材料分解算法展开综述。
- lt;br gt;使用基于双能 CT 的新型图像域多材料分解算法对造影 . . .
图像域分解也存在障碍和问题，包括需要一个预定的表格来分离具有指定坐标的不同材料。 在本研究中，试图通过使用聚类方法并依靠衰减域中不同材料之间的间隔来解决这个问题。
- 基于图像域的双能CT材料分解算法及其应用研究 - 中国优秀 . . .
本文从图像域分解模型出发,结合字典学习、全变分和相对全变分理论,构建材料分解模型,通过实验验证其可行性、有效性和实用性。
- 基于双能CT图像域的DL-RTV多材料分解研究
双能计算机断层扫描 (DECT)技术因能分解和识别材料,并提供定量化的成像结果,广泛应用于医疗、安检、无损检测以及材料科学等领域 DECT技术能提供物体在两种能谱下的衰减信息,可准确分解两种基材料 但当检测对象含有三种材料时,若对DECT图像直接求逆 (DIMD)分解多材料,其基图像将含较多噪声和伪影 为此,提出了一种基于
|