排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
计算机断层扫描(CT)产生的辐射风险已成为公众关注的问题.降低剂量将影响CT图像的质量以及医生的诊断结果.传统的基于深度网络算法中,同一层中的特征通道间的地位是平等的,影响信息的提取.为此,提出了一种具有注意力机制的U-Net残差网络.在U-Net中引入通道注意力模块驱使网络将更多的注意力集中于含有噪声和伪影信息的通道... 相似文献
2.
低剂量计算机断层扫描（Low-dose Computed Tomography, LDCT）在临床中有着广泛的
应用,可以有效减轻对病人的辐射剂量。但是成像后的低剂量CT图像中含有明显的噪声和条形
伪影,影响医师的诊断。提出了一种基于Transformer和CNN的去噪网络,该网络是一种改进的编
解码网络架构,其编码端的每一层由卷积模块与Transformer模块融合而成,用来提取每一层的局
部特征和全局特征,同时引入融合模块用来有效地融合提取的局部特征和全局特征。并把融合后
的特征通过跳跃连接融入解码端对应的层,解码端的每一层通过卷积模块提取有效特征进而重建
去噪后的图像。在真实数据集Mayo上的实验结果说明所提出的网络不仅可以有效去除噪声,还能
够保持图像的边缘。 相似文献
1