基于特征学习的低剂量CT成像算法研究进展

• 作者: 刘进 尹相瑞 康季槐 赵倩隆 陈阳 顾云波
• 来源期刊: CT理论与应用研究
• 学科: 医学
• 关键词: CT成像 图像重建 稀疏表示 字典学习 深度学习
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 综述
• 页码范围: 393-406
• 页数: 14页
• 分类号: R812
• 语种: 中文
• DOI: 10.15953/j.1004-4140.2019.28.03.14

摘要

随着CT(computed tomography)技术在临床中的大量应用,其辐射伤害问题也越来越受到人们的关注.与此同时,高性能低剂量的成像也已经成为近年来CT研究领域中的重要研究方向.随着学习型算法的提出及广泛应用,为低剂量CT成像算法的发展带来了新的方向.在影像大数据环境下,基于特征学习方法的低剂量CT成像有着更广阔的发展空间.本文将从稀疏表示和深度学习两个方面,介绍一些国内外应用于改善CT成像质量的相关技术,包括CT成像技术的发展趋势,特征学习相关算法的研究现状,提高低剂量CT扫描成像质量的相关方案等.本文对近年来在低剂量CT成像及特种学习算法等领域的研究成果进行了介绍,并进行相关总结和分析.