基于稀疏贝叶斯学习的CT图像重构

Radio Communications Technology（2021）

引用 0|浏览3

暂无评分

摘要

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.

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要