摘要
本发明针对LDCT采用较低的X射线剂量,图像质量往往受到噪声干扰,从而影响临床诊断的精确度这一技术问题,公开一种基于自监督学习的低剂量计算机断层扫描图像去噪方法、设备和介质,属于医学图像处理技术领域,本发明利用自监督学习框架,仅通过处理单个低剂量CT图像即可完成去噪。该方法通过从含噪声的LDCT图像本身中学习去噪模式,无需真实的ground truth,避免了传统方法依赖真实高剂量CT图像作为训练数据的局限性。本发明平衡了低辐射暴露与高质量成像的需求,能够显著提高低剂量CT图像的去噪效果,适用于医学诊断中的低剂量CT图像去噪处理。
技术关键词
像素点
邻居
低剂量CT图像
网络
医学图像处理技术
监督学习框架
计算机断层扫描
图像去噪方法
定义
处理器
参数
可读存储介质
上采样
存储器
噪声
线性
系统为您推荐了相关专利信息
车载前视
道路拥堵状态
对象识别模型
图像
影像设备
煤矿巷道地质参数
在线监测方法
依赖特征
多参数
多头注意力机制
分类神经网络
模型误差
进化算法
神经网络训练
分类方法
生理参数检测方法
感兴趣
随机森林模型
信号
计算机可读指令
图像分割方法
图像分割网络
特征提取器
预测类别
计算机可读指令