TY -的A2 Rakhshan瓦希德盟——吴,梁AU -胡,Shunbo盟——刘,长春PY - 2021 DA - 2021/05/04 TI - 3 d脑MR图像的去噪与平行残余卷积神经网络学习使用全局和局部特征提取SP - 5577956六世- 2021 AB -磁共振(MR)图像经常受到随机噪声污染图像采集和传输过程中,会损害疾病诊断的医生或自动化系统。近年来,许多噪声去除算法提出了令人印象深刻的表演。在这个工作中,受深度学习的想法,我们提出一种去噪方法命名为3 d-parallel-riciannet,将结合去除噪声,图像的局部和全局信息。具体来说,我们引入一个强大的扩张卷积残余(DCR)模块扩展网络的接受域,避免全球的损失特性。然后,提取更多的本地信息,降低了计算复杂度,我们设计切除分离卷积残余(DSCR)模块学习频道和图像中的位置信息,这不仅降低了参数显著但也提高了当地的去噪性能。此外,一个平行的网络是由融合的特性提取每个DCR模块和DSCR模块来提高效率和减少训练去噪模型的复杂性。最后,重建(REC)模块旨在构建清廉形象通过获得噪声偏差和给定的嘈杂的图像。由于缺少真实图像在现实数据集,提出了模型的性能测试定性和定量模拟先生t1加权图像数据集,然后扩展到四个真实数据集。实验结果表明,该3 d-parallel-riciannet网络实现了几种先进的方法的性能优于峰值信噪比、结构相似性指数和熵度量。特别是,我们的方法展示了强大的保护能力在噪声抑制和结构。 SN - 1687-5265 UR - https://doi.org/10.1155/2021/5577956 DO - 10.1155/2021/5577956 JF - Computational Intelligence and Neuroscience PB - Hindawi KW - ER -