简介:摘要目的探究深度学习算法(DLR)在胰腺低剂量CT扫描中改善图像质量的价值。方法前瞻性收集2020年8月至12月在北京协和医院进行腹部胰腺增强检查的68例患者,采用随机区组法分为正常剂量组和低剂量组,各34例,正常剂量组扫描管电压为120 kV,低剂量组管电压为100 kV。所有患者均行平扫、动脉期、实质期、延迟期扫描。低剂量组4期图像分别采用滤波反投影(FBP)、混合模型迭代算法(AIDR)和DLR 3种方法重建图像,正常剂量组4期图像均采用AIDR重建图像,分别记为LD-FBP、LD-AIDR、LD-DLR、RD-AIDR。测量胰腺的CT值、噪声值(SD),计算信噪比(SNR)、对比噪声比(CNR),不同重建方法图像间各参数的比较采用单因素方差分析,两两比较采用LSD法;对每组图像进行主观评分,多组间比较采用Kruskal-Wallis检验。结果正常剂量组和低剂量组患者胰腺平扫、动脉期、实质期、延迟期不同重建方法图像间胰腺CT值、SD、SNR、CNR差异均有统计学意义(P均<0.05)。实质期和延迟期图像LD-FBP、LD-AIDR、LD-DLR图像CT值均高于RD-AIDR图像(P均<0.05);4期图像间SD、SNR两两比较差异均有统计学意义(P均<0.05);4期LD-FBP、LD-DLR与RD-AIDR的CNR差异有统计学意义(P均<0.05),RD-AIDR的CNR优于LD-FBP,LD-DLR优于RD-AIDR。DLR算法对胰腺4期图像的SD、SNR、CNR均有改善,其中对SNR的改善增强图像更为显著,对CNR的改善平扫期和延迟期更为显著。胰腺4期不同算法重建图像主观评分差异均有统计学意义(P均<0.001)。LD-DLR与RD-AIDR评分差异无统计学意义(平扫、动脉期、实质期、延迟期Z值分别为1.00、2.24、0.45、1.34,P值分别为0.317、0.025、0.655、0.180)。结论DLR技术可以在降低胰腺CT辐射剂量的同时改善图像质量,满足诊断需求,在胰腺低剂量增强CT检查中可降低噪声,提高图像的信号SNR和CNR。
简介:摘要:深度学习算法在计算机视觉领域的应用不断扩展,其中建筑结构的识别与分析成为研究的重要方向之一。本论文探讨了深度学习算法在建筑结构识别与分析中的应用,研究了不同类型建筑的自动检测与识别、结构缺陷的检测与分析等关键问题。通过深度卷积神经网络和循环神经网络等技术,本研究实现了高精度的建筑结构识别,为城市规划、维护和改进提供了重要支持。
简介:摘要:深度学习技术在遥感影像变化检测中的应用已成为研究热点。针对高分辨率遥感影像的变化检测问题,提出了一种基于深度学习的算法。该算法通过构建卷积神经网络(CNN)模型,对高分辨率遥感影像进行特征提取和变化识别。实验结果表明,该算法能够有效提取影像中的变化信息,显著提高检测精度和效率。相较于传统方法,深度学习技术在高分辨率遥感影像的变化检测中展示了更强的适应性和准确性。
简介:在Banach空间中利用双线性连续泛函F代替内积引进了新的一类完全广义混合隐似平衡问题,引进了F强单调的概念,提出了该平衡问题的广义辅助问题,证明了广义辅助问题的收敛定理,给出了新的算法和由此算法产生的迭代序列的收敛特征.
简介:摘要《数学课程标准(2011年版)》指出“为了帮助学生真正理解数学知识,教师应注重教学知识与学生生活经验的联系,组织学生开展实验、操作、尝试等活动,引导学生进行观察分析、抽象概括,运用知识进行判断。”新课程下的小学数学教学强调学生的发展,内在的发展,知识的内化。
简介:摘要目的探讨应用深度学习图像重建(DLIR)算法对实验猪心肌动态CT灌注(CTP)图像质量的提升程度以及该算法对心肌血流量(MBF)计算的影响。方法麻醉状态下对5只家猪进行静息与负荷动态CTP扫描,扫描管电压均为100 kV,低剂量与高剂量管电流分别设置为150、300 mA。低剂量扫描数据图像重建采用传统滤波反投影(FBP)及DLIR 3种不同强度(低、中、高),高剂量扫描数据图像重建仅采用FBP。客观评价及主观评价(5分制)图像质量,客观评价包括图像噪声、信噪比(SNR)、对比噪声比(CNR)。采用线性回归对DLIR算法强度和图像质量的线性趋势进行检验。采用Shapiro-Wilk检验数据正态性,正态数据比较采用配对t检验,非正态数据比较采用Wilcoxon秩和检验。结果高剂量扫描方案与低剂量扫描方案平均有效辐射剂量分别为7.2、3.8 mSv,差异有统计学意义(t=282.50,P<0.001)。低剂量下获得的图像随着DLIR强度的升高图像噪声逐渐减低,图像SNR及CNR逐渐增高(F=60.10、35.87、41.41,P均<0.001)。低剂量下高强度DLIR图像与高剂量FBP图像的噪声分别为(31.7±3.1)、(38.2±1.2)HU,SNR分别为16.6±2.0、13.8±0.8,CNR分别为14.5±1.7、11.6±0.9,差异均有统计学意义(t值分别为5.70、4.15、5.68,P值均<0.05)。低剂量下高强度DLIR图像与高剂量FBP图像主观评分分别为(4.8±0.4)、(4.2±0.6)分,差异有统计学意义(Z=2.12,P<0.05)。低剂量下FBP图像与高强度DLIR图像计算MBF在静息状态下分别为(81.3±17.3)、(79.9±18.3)ml·100 ml-1·min-1,负荷状态下分别为(99.4±24.9)、(100.7±27.3)ml·100 ml-1·min-1,差异均无统计学意义(t值分别为1.10、0.89,P>0.05)。结论应用高强度DLIR算法有利于实现实验猪低剂量心肌动态CTP,可明显提升图像质量,同时对MBF计算无明显影响。