基于特征学习的低剂量CT成像算法研究进展

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.

关键词：CT成像、图像重建、稀疏表示、字典学习、深度学习

所属期刊栏目：28

分类号：R812(放射医学)

资助基金：国家自然科学基金61801003;安徽工程大学引进人才科研启动基金2018YQQ021

在线出版日期：2019-07-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：393-406