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。
简介:《CT理论与应用研究》(CN:11-3017/P)是一本有较高学术价值的大型双月刊,自创刊以来,选题新奇而不失报道广度,服务大众而不失理论高度。颇受业界和广大读者的关注和好评。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社