文献

J-GLOBAL ID：202002277227518915   整理番号：20A0239778

NSSTドメイン畳込みニューラルネットワークに基づく低線量CT画像復元【JST・京大機械翻訳】

Low-Dose CT Restoration Based on CNN in NSST Domain

著者 (3件)： Liu Yi (中北大学 山西省生物医学成像与影像大数据重点実験室,太原,030051) ,  Gao Jingzhi (中北大学 山西省生物医学成像与影像大数据重点実験室,太原,030051) ,  Gui Zhiguo (中北大学 山西省生物医学成像与影像大数据重点実験室,太原,030051)
資料名： Jisuanji Gongcheng yu Yingyong  (Jisuanji Gongcheng yu Yingyong)
巻： 55  号： 23  ページ： 209-215  発行年： 2019年 
JST資料番号： C2533A  ISSN： 1002-8331  CODEN： JGYYAT  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 低線量CT(Low-DoseComputedTomography,LDCT)画像におけるノイズ/アーチファクト問題を解明する。非サブサンプリングShearlet変換(Non-SampleShearletTransformation,NSST)に基づく畳込みニューラルネットワーク(ConvolutionNeuralNetwork)を提案した。CNNのNSST-CNNモデルである。訓練時に、データセット中の従来の線量CT(Normal-DoseComputedTomography、NDCT)とLDCT画像に対してNSST分解を行い、LDCT画像の高周波サブグラフを入力とする。LDCTとNDCT画像の高周波サブグラフの残差画像をラベルとして、CNN訓練を通じて、LDCT高周波サブグラフと高周波残差サブグラフのマッピング関係を学習した。テストにおいて,LDCT画像の高周波サブグラフを,ノイズ/アーチファクトの高周波サブグラフを,マッピング関係によって予測し,次に,NSST逆変換を用いて,高品質のLDCT画像を得た。実験結果は,NSST-CNNモデルが,KSVD,BM3D,および画像領域CNNと比較して,より高いピーク信号対雑音比と構造類似性を持ち,NDCT画像に近いことを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 類似性 ,  逆変換 ,  アーチファクト ,  *放射線量 ,  雑音 ,  *画像復元 ,  残差 ,  部分グラフ ,  HF【周波数】
準シソーラス用語： ピーク信号対雑音比 ,  高品質 ,  サブサンプリング ,  *低線量 ,  *低線量CT ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： low-dose Computed Tomography(CT) ,  image restoration ,  non-sample Shearlet transformation ,  convolutional neural network ,  residual learning

分類 (1件)： 数値計算  (JE02000J)

タイトルに関連する用語 (4件)： ドメイン ,  畳込みニューラルネットワーク ,  低線量CT ,  画像復元