期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于U-Net模型从低能锥形束CT图像实现高能成像的研究
1
作者 明鑫 杨成文 +3 位作者 孟慧鹏 翟贺争 程钰翔 杨淼龙 《中华放射医学与防护杂志》 CAS CSCD 北大核心 2023年第9期741-746,共6页
目的基于U-Net网络深度学习的方法,实现在放疗临床中低能锥形束CT(CBCT)图像转换成高能CBCT图像,以期提供双能CBCT成像图像基础且降低辐射剂量。方法利用放疗机载CBCT设备采集CIRS电子密度模体和CIRS头部体模在80和140 kV能量下的CBCT... 目的基于U-Net网络深度学习的方法,实现在放疗临床中低能锥形束CT(CBCT)图像转换成高能CBCT图像,以期提供双能CBCT成像图像基础且降低辐射剂量。方法利用放疗机载CBCT设备采集CIRS电子密度模体和CIRS头部体模在80和140 kV能量下的CBCT图像数据,数据集按10∶1分为训练集和测试集。利用U-Net网络从低能量(80 kV)CBCT图像预测高能量(140 kV)下CBCT图像。采用平均绝对误差(MAE)、结构相似度指数(SSIM)、信噪比(SNR)和峰值信号噪声比(PSNR)4种度量指标,定量评价预测高能CBCT图像。结果预测高能图像与真实高能图像之间总体结构差异较小(SSIM:0.993±0.003)。预测高能图像噪声较低(SNR:15.33±4.06),但组织间分辨力有损失。预测高能图像比真实高能图像平均CT值偏低,在低密度组织中差异较小(<10 HU,P>0.05),而在高密度组织中差异大(<21 HU,t=-7.92,P<0.05)。结论利用深度学习方法可以从低能CBCT图像获得结构相似度高的高能CBCT图像,预测高能图像具有应用于放疗临床双能CBCT成像技术中的潜力。 展开更多
关键词 锥形束CT 深度学习 双能成像 图像分析
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部