摘要
本发明公开了基于多通道WGAN的光子计数CT图像降噪方法,涉及医学影像处理技术领域,该方法将高能、低能、全能CT图像作为生成器输入,通过独立卷积分支提取多尺度特征,对各通道特征图进行全局平均池化并计算通道间注意力权重以加权融合;采用WGAN结构,通过Wasserstein距离和梯度惩罚项约束判别器以提升训练稳定性;同时综合均方误差、结构相似性指数和感知损失,平衡降噪图像的数值精度与视觉效果;通过交替优化生成器与判别器,训练完成后对含噪低剂量CT图像进行多通道特征处理与上采样,输出高质量降噪图像。
技术关键词
图像降噪方法
低剂量CT图像
多通道
样本
Wasserstein距离度量
注意力
全局平均池化
噪声模式
高层语义特征
多尺度语义特征
融合特征
多层卷积神经网络
批量
三通道
卷积神经网络结构
Softmax函数
CT设备
矩阵
系统为您推荐了相关专利信息
特征提取模型
注意力
神经网络模型
动态贝叶斯网络
编码器
综合评价指标
样本
无人飞行器
学习方法
飞行器轨迹优化
溯源方法
局部特征提取
数据
噪声
交叉注意力机制
训练深度学习模型
样本
深度学习模型训练
标签
晶圆缺陷检测装置
车辆可行驶区域
预测类别
特征提取模型
图像
样本