一种基于深度学习的自适应医学超声图像去斑方法

• 作者: 付晓薇 李曦 杨雪飞 陈芳
• 来源期刊: 电子与信息学报
• 学科: 工学
• 关键词: 超声图像 深度学习 多曝光融合框架 乘性斑点噪声
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 论文
• 页码范围: 1782-1789
• 页数: 8页
• 分类号: TN911.73
• 字数: 4090字
• 语种: 中文
• DOI: 10.11999/JEIT190580

摘要

针对传统医学超声图像去斑方法的不足,该文提出一种自适应多曝光融合框架和前馈卷积神经网络模型图像去斑方法.首先,制作超声图像训练数据集;然后,提出一种自适应增强因子的多曝光融合框架,增强图像进行有效特征提取;最后,通过网络训练去斑模型并获得去斑后的图像.实验结果表明,该文较已有的方法,能更有效地滤除医学超声图像中的斑点噪声并更多的保留图像细节.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈芳	武汉科技大学校医院超声影像科	29	112	7.0	9.0
2	李曦	华中科技大学人工智能与自动化学院	36	239	9.0	14.0
3	付晓薇	武汉科技大学计算机科学与技术学院	24	243	7.0	15.0
12	杨雪飞	武汉科技大学计算机科学与技术学院	2	0	0.0	0.0