摘要
本发明涉及一种基于循环卷积神经网络的不成对低剂量CT图像重建方法,属于图像重建技术领域。包括:收集若干临床低剂量CT图像,形成原始图像数据集,并收集若干常规剂量CT图像,形成标签数据集;原始图像数据集和标签数据集构成训练数据集;构建不成对低剂量CT图像重建网络;通过训练数据集训练不成对低剂量CT图像重建网络,得到训练好的不成对低剂量CT图像重建网络;将待重建低剂量CT图像输入训练好的不成对低剂量CT图像重建网络,得到待重建低剂量CT图像的重建结果图像。该方法具有较好的去噪性能,去噪后的图像能够完整地保留细节,并且不存在过度平滑问题。
技术关键词
低剂量CT图像
循环卷积神经网络
原始图像数据
噪声信息
模块
噪声分量
离散小波变换
上采样
编码器
编解码
解码器
交互特征
图像重建技术
标签
输入端
训练集
系统为您推荐了相关专利信息
回传方法
序列
时序预测模型
数字数据处理方法
运动特征
对话状态跟踪方法
深度学习网络模型
编码器
主题
聚类
人机交互模块
业务系统数据库
数据获取模块
数据处理模块
附件