基于深度学习的低剂量CT成像算法研究进展
韩泽芳1
上官宏2
张雄1
韩兴隆1
桂志国3
崔学英2
张鹏程3
1.太原科技大学电子信息工程学院,太原0300242.太原科技大学电子信息工程学院,太原030024;中北大学生物医学成像与影像大数据山西省重点实验室,太原0300513.中北大学生物医学成像与影像大数据山西省重点实验室,太原030051
摘要：计算机断层扫描成像(CT)技术具有成像速度快分辨率高的优点,广泛应用于医学临床诊断中.然而,提高剂量辐射会引发人体组织器官受损,降低剂量又会造成成像质量严重下降.为解决上述矛盾,在确保成像质量满足临床诊断需求的条件下,研究如何最大程度地降低X射线辐射对人体造成的伤害,己成为低剂量CT成像技术的研究热点.近年来,在人工智能领域深度学习方法快速发展,已广泛应用于图像处理、模式识别、信号处理等领域.与此同时,大数据驱动下的深度学习方法在LDCT成像领域的应用也有了长足的发展.本文从CT成像的过程、低剂量CT噪声建模以及成像算法的设计3方面,介绍近年来国内外低剂量CT成像算法的发展,尤其对深度学习领域的成像算法进行阐述与分析,并对LDCT图像成像领域未来的发展进行展望.
关键词：深度学习低剂量CT伪影抑制噪声建模
分类号：O242(计算数学)R814(放射医学)
资助基金：国家青年科学基金项目(62001321)山西省高等学校科技创新项目(2019L0642)山西省自然科学基金(201901D111261)
论文发表日期：2022-01-28
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：18( 117-134 )
英文信息