10.3969/j.issn.1003-3114.2021.02.016
基于稀疏贝叶斯学习的CT图像重构
计算机断层成像是医学检查的常用方法,但是检查中过量的辐射可能对病人造成二次伤害.基于此提出了一种稀疏贝叶斯学习(Sparse Bayesian Learning,SBL)的肺部计算机断层成像(Computed Tomography,CT)图像重构方法,首先应用高斯随机分布矩阵对肺部图像进行测量,并建立基于小波变换的稀疏字典,最后应用稀疏贝叶斯学习算法对图像进行重构.仿真实验结果显示,该方法能够实现对肺部图像重构,当压缩率为0.6的时候,重构的肺部组织图像的峰值信噪比达到34.180 9,满足医学检查的需求.该方法能够降低医学检查中的辐射伤害,具有重要的理论研究意义和实际应用价值.
计算机断层成像、压缩感知、稀疏贝叶斯学习
47
TP391(计算技术、计算机技术)
安徽省高校省级自然科学基金重大项目;上海交通大学”交大之星”计划医工交叉研究项目
2021-04-28(万方平台首次上网日期,不代表论文的发表时间)
共5页
232-236