【技术实现步骤摘要】
本专利技术涉及医学影像处理，具体是基于多通道3d u-net的光子计数ct图像降噪方法。
技术介绍
1、传统的2d卷积神经网络(cnn)在ct图像降噪领域已被广泛应用，但由于2d cnn只能处理单个切片，无法充分利用三维空间信息，因此在降噪后图像的细节保留和结构一致性方面存在一定局限性。3d卷积神经网络(3d cnn)作为近年来的突破性技术，在医学影像处理中展现出较强的空间信息学习能力，但仍然面临网络训练复杂度高、计算资源需求大等问题。
2、医学ct图像通常以三维体积数据的形式存储，2d cnn只能处理单个切片，无法捕捉层间信息，导致降噪后图像在z轴方向上的一致性较差。
3、传统降噪方法存在不足，如bm3d、tv滤波在去除噪声的同时，容易引入模糊效应，导致边缘损失。
4、现有方法没有结合多能谱图像分析的能力，因为传统ct无法一次性分辨多个能量，降噪能力较差。
5、基于以上问题，本专利技术提出了基于多通道3d u-net的光子计数ct图像降噪方法。
技术实现思路<
本文档来自技高网...
【技术保护点】
1.基于多通道3D U-net的光子计数CT图像降噪方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于多通道3D U-net的光子计数CT图像降噪方法，其特征在于：所述S1进一步包括以下内容：
3.根据权利要求1所述的基于多通道3D U-net的光子计数CT图像降噪方法，其特征在于：所述S2进一步包括以下内容：
4.根据权利要求1所述的基于多通道3D U-net的光子计数CT图像降噪方法，其特征在于：所述S3进一步包括以下内容：
5.根据权利要求1所述的基于多通道3D U-net的光子计数CT图像降噪方法，其...
【技术特征摘要】
1.基于多通道3d u-net的光子计数ct图像降噪方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于多通道3d u-net的光子计数ct图像降噪方法，其特征在于：所述s1进一步包括以下内容：
3.根据权利要求1所述的基于多通道3d u-net的光子计数ct图像降噪方法，其特征在于：所述s2进一步包括以下内容：
4.根据权利要求1所述的基于多通道3d u-net的光子计数ct图像降噪方法，其特征在于：所述s3进一步包括以下内容：
5.根据权...
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。