【技术实现步骤摘要】
本专利技术涉及医学图像处理技术，具体涉及一种基于动态fft和残差神经网络的医学图像降噪方法。
技术介绍
1、目前，医学图像降噪技术面临诸多挑战。传统方法如基于fft的降噪算法通常采用固定阈值策略，难以适应不同成像设备和扫描参数导致的噪声特性变化，且在保留图像细节与抑制噪声之间存在固有矛盾。现有基于神经网络的降噪方法虽然在一定程度上提升了性能，但普遍存在计算复杂度高、训练耗时长的缺陷，如3d u-net等复杂网络需要数十小时训练，难以满足临床实时性需求。更严重的是，常规方法在处理过程中易造成解剖结构模糊或伪影，特别是对ct图像中的微小病灶和血管边缘等关键诊断特征破坏显著。
2、当前技术体系存在三个主要局限性：首先，单一降噪模型难以兼顾高频随机噪声和低频条纹噪声的差异化处理需求；其次，现有方法缺乏对多尺度图像结构一致性的有效约束机制，导致重建图像出现非生理性结构扭曲；最后，在计算效率方面，现有方案往往需要在降噪质量与处理速度之间做出妥协，例如基于字典学习的方法虽计算量较小但降噪效果有限，而深度学习方法虽效果较好却需要昂贵的gpu...
【技术保护点】
1.一种基于动态FFT和残差神经网络的医学图像降噪方法，其特征在于，包括：
2.根据权利要求1所述的基于动态FFT和残差神经网络的医学图像降噪方法，其特征在于，所述动态 FFT 预处理包括：
3.根据权利要求1所述的基于动态FFT和残差神经网络的医学图像降噪方法，其特征在于，所述残差神经网络降噪包括：
【技术特征摘要】
1.一种基于动态fft和残差神经网络的医学图像降噪方法，其特征在于，包括：
2.根据权利要求1所述的基于动态fft和残差神经网络的医学图像降噪方法，其特...
【专利技术属性】
技术研发人员：李金霞，肖丹，纪超，杨旭，杨艳妮，董雪琪，
申请(专利权)人：西安医学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。