基于特征学习的低剂量CT成像算法研究进展
刘进1
赵倩隆2
尹相瑞2
顾云波2
康季槐3
陈阳2
1.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),南京2100962.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),南京2100963.南部战区海军第一医院,广东 湛江,524005
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
分类号：R812(放射医学)
资助基金：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)
论文发表日期：2019-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：14( 393-406 )
英文信息