【摘 要】
：
X射线CT（Computed Tomography,简称CT）是临床诊断中广泛使用的医学影像学检查方式,其辐射剂量大小备受人们关注,患者所接受的高剂量CT辐射会增加潜在的患病风险,例如增加患癌症的可能性。针对如何在尽可能低的扫描剂量条件下获取与常规剂量CT质量相近的CT图像,即低剂量CT（Low-dose CT,简称LDCT）的研究显得格外重要。因此,使用LDCT进行临床研究有很强的研究意义,是X
论文部分内容阅读
X射线CT（Computed Tomography,简称CT）是临床诊断中广泛使用的医学影像学检查方式,其辐射剂量大小备受人们关注,患者所接受的高剂量CT辐射会增加潜在的患病风险,例如增加患癌症的可能性。针对如何在尽可能低的扫描剂量条件下获取与常规剂量CT质量相近的CT图像,即低剂量CT（Low-dose CT,简称LDCT）的研究显得格外重要。因此,使用LDCT进行临床研究有很强的研究意义,是X射线CT成像领域的前沿方向。然而,随着辐射剂量的逐渐降低重建图像的伪影也随之增加。本研究针对上述问题,进行了以下两种关于低剂量CT重建方面的研究:（1）基于深度能量模型的LDCT重建。基于能量的模型（Energy-Based Model,简称EBM）是生成模型的一种全新形式,生成模型通过分析样本数据集以学习基础数据分布。模型训练好以后,生成模型可以产生与数据分布相匹配的数据集。EBM为此类学习概率和非概率方法（尤其是图形和其他结构化模型的训练）提供了统一的框架。该方法通过将深度能量模型、郎之万动力学和LDCT成像模型结合,对LDCT概率密度函数建模,有效地训练了神经网络。实验结果表明,算法能有效地拟合能量函数,实现高质量重建结果。（2）基于f散度的深度能量模型LDCT重建。近期研究人员证明,f散度可作为对比散度训练生成对抗网络（Generative Adversarial Network,简称GAN）,且取得了比之前更好的效果。基于深度能量的模型在分布参数化方面非常灵活,但由于难以处理的配分函数而在计算方面具有挑战性。本文将f散度作为对比散度训练EBM,而不仅限于单一的训练模型。基于深度f散度能量模型可以使用任何所需的f散度来训练EBM,具有鲁棒性和组合性,并结合LDCT成像算法,在重建中取得了良好的效果。
其他文献
经济社会的发展伴随的是对能源需求的增加,同时环境保护的压力也是节节攀升。综合能源系统通过能源、信息、通信技术的耦合横向进行调节,有效的缓和了能源紧张与环境保护间的矛盾。基于综合能源系统的有效性,使系统实现低碳经济且高效的优化配置与调度运行是一个值得注意问题,针对这些问题本文的主要研究内容如下:首先,分析了综合能源系统的架构与系统中各种能量的耦合关系,将综合能源系统中的设备分成三个部分:可再生发电设
腔光力系统通常由光学微腔与机械振子通过辐射压力耦合而成。得益于纳米加工技术的不断进步,光学微腔的制备技术也逐渐成熟,使腔光力学在许多领域得到迅速发展。如量子信息处理、非经典态的制备、超灵敏测量以及量子传感等。近些年,腔光力系统中的光力诱导透明（Optomechanically Induced Transparency,OMIT）在量子存储领域展现出巨大的发展潜力,多种不同的复合腔光力系统被提出,包
腔光力学是一门集量子光学和机械科学等学科于一体的交叉学科,其主要研究的是光学（微波）场与机械运动物体之间的相互作用。腔光力系统无论是在基础研究还是在实际应用中都受到广泛的关注,在生物传感、弱力探测和量子信息处理等领域都具有极其重要的应用价值。近年来,受益于微纳制造业的迅速发展,腔光力系统的制备也得到了不断优化,其日益成为研究宏观量子效应和实现有效量子操控的理想平台。众所周知,由于机械振子在热环境中
近些年来,随着研究的深入进行,全双工中继通信系统不仅可以扩大通信服务的覆盖范围,而且还可以进一步提升系统的频谱利用效率和通信的数据传输速率,受到了全世界研究学者的广泛关注。全双工中继通信系统能够在相同频率和时间内,同时发送信号和接收信号,因此与半双工中继通信系统相比能够成倍地提高频谱效率。但是全双工中继通信系统的中继收发端之间存在着信号泄漏,这会导致自干扰的产生,自干扰使得中继通信系统的性能严重恶
天线调谐（阻抗匹配）作为无线通信设备的关键性技术之一,不仅关系到通信信号的传输效率,同时也是减少传输线路反射电流、保障系统正常工作的有效途径。星载低频频率步进雷达是一台低功率、超宽带的空间等离子体探测系统,采用500米偶极子天线,覆盖30 k Hz～3 MHz以5%步进的发射频率范围。在大部分频点,固定尺寸的偶极子天线都处于阻抗失配状态,严重影响信号传输质量以及系统工作稳定性。另一方面,天线处于不
在临床实践中,由于磁共振成像可通过使用不同对比度设置生成多张磁共振图像,从而为临床诊断提供丰富的多对比度信息。然而,过长的扫描时间增加了生理运动的敏感性,这将会降低成像效果。因此,随着扫描次数的增加,在不牺牲图像结构信息的前提下,迫切需要可以缩短扫描时间的技术来降低成本、减少病人的不适。压缩感知可以通过减少直接由机器获得的K空间（即傅里叶空间）测量数据来加速磁共振成像。压缩感知理论研究表明,如果经
超声成像是目前临床运用最广泛的医学成像技术之一,具有对人体伤害小,操作过程较为简单等特点,然而随着新冠肺炎（COVID-19）在全世界的流行,医护人员在超声检查中需要频繁与感染病人进行问诊接触,给医护人员带来极大的感染风险。为了降低医护人员感染COVID-19的几率,降低医护人员工作量,急需智能超声机器人代替医护人员对病患进行超声扫描工作。然而现有的智能超声机器人往往难以实现超声扫描的自动化,同时
与单基合成孔径雷达（Synthetic Aperture Radar,SAR）相比,双基合成孔径雷达（Bistatic Synthetic Aperture Radar,Bi SAR）的灵活构型使其能够从照射区域获得更丰富的散射信息。其中,BFSAR（Bistatic Forward-looking Synthetic Aperture Radar,BFSAR）是一种重要的双基成像模式,具备前视成
智能电网的发展使得传统配电网日益成为一个典型的配电信息物理系统（Cyber Physical Distribution System,CPDS）。实体的物理电网与信息技术、通信技术等所支撑起来的信息网络高度融合,提高了配电网的运行管理水平,同时信息网络的故障也通过这种互相耦合的关系传递到物理电网。因此对CPDS的可靠性评估不再局限于仅考虑物理网络,探求CPDS中信息网络与物理网络间的交互作用机理,
近几年,卷积神经网络（CNN）已是深度学习中的各类研究的首选网络。受益于CNN强大的特征表示能力,早期的模型通过基础CNN进行人群计数研究,与传统的手工特征相比,获得了显著的性能改善。目前,更加有效的基于全卷积网络（FCN）的模型成为人群计数研究中的主流模型。然而目前的深度模型,在处理尺度变化问题时,仅粗略的分为几个等级,在获取人群的特征时,直接使用VGG16提取特征。这将导致在应对复杂背景和尺度