TY -的A2柯西Yuqin AU -张,克里斯蒂安娜•李盟——柯盟——史,威力盟——苗族、于非盟-江,Zhengang PY - 2021 DA - 2021/09/28 TI -基于条件生成的一种新的医学图像去噪方法对抗网络SP - 9974017六世- 2021 AB -医学图像质量是高度相对于临床诊断和治疗,导致医学图像去噪的一个热门研究课题。基于深度学习的图像去噪方法吸引了相当多的关注由于其优秀的自动特征提取能力。大多数现有的医学图像去噪方法适用于某些类型的噪声有困难在处理空间不同的噪音;与此同时,图像细节损失和结构的变化发生在图像去噪。考虑图像保存上下文感知和结构,本文首先介绍了医学图像去噪方法基于条件生成对抗网络(CGAN)各种未知的声音。在拟议的架构中,噪声图像与相应的梯度图像合并为网络条件信息,这增强了原始信号和噪声之间的对比根据结构特异性。小说发生器与残余密集街区充分利用卷积层之间的关系探讨图像上下文。此外,重建损失和WGAN损失为目标损失函数,以确保和真实图像去噪图像的一致性。一系列的实验对医学图像进行去噪,去噪的结果 PSNR值 = 33.2642 和 SSIM = 0.9206 JSRT数据集和 PSNR值 = 35.1086 和 SSIM = 0.9328 LIDC数据集。与最先进的方法相比,该方法突出的性能优越。SN - 1748 - 670 - 2021/9974017 / 10.1155 x你——https://doi.org/10.1155/2021/9974017——摩根富林明——计算和数学方法在医学PB - Hindawi KW - ER