基于深度卷积神经网络的低剂量CT肺部去噪

• 作者: 吕晓琪 吴凉 张明 李菁 谷宇
• 来源期刊: 电子与信息学报
• 学科: 医学
• 关键词: 卷积神经网络 诊断 肺部去噪 残差学习 批规范化
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 论文
• 页码范围: 1353-1359
• 页数: 7页
• 分类号: TP391.4|R814.42
• 字数: 5297字
• 语种: 中文
• DOI: 10.11999/JEIT170769

摘要

为了降低低剂量CT肺部噪声对肺癌筛查后期诊断的影响,该文提出一种基于深度卷积神经网络的低剂量CT肺部去噪算法.以完整的CT肺部图像作为输入,池化层对输入图像进行降维处理;批规范化解决随着网络深度的增加性能降低的问题;引入残差学习,学习模型中每一层的残差,最后输出去噪图像.与经典去噪算法实验结果对比,所提方法在解决去噪方面达到了很好的滤波效果,同时也较好地保留了肺部图像的细节信息,大大优于传统的去噪算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张明	内蒙古科技大学信息工程学院	29	90	6.0	8.0
2	吕晓琪		82	506	13.0	16.0
4	谷宇	内蒙古科技大学信息工程学院	36	188	9.0	12.0
5	李菁	内蒙古科技大学信息工程学院	9	38	3.0	6.0
6	吴凉	内蒙古科技大学信息工程学院	5	32	3.0	5.0