• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Applied Mathematical Modelling >Low-dose spectral CT reconstruction using image gradient ℓ_0-norm and tensor dictionary
【24h】

Low-dose spectral CT reconstruction using image gradient ℓ_0-norm and tensor dictionary

机译：使用图像梯度ℓ_0-范数和张量字典进行低剂量光谱CT重建

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Spectral computed tomography (CT) has a great superiority in lesion detection, tissue characterization and material decomposition. To further extend its potential clinical applications, in this work, we propose an improved tensor dictionary learning method for low dose spectral CT reconstruction with a constraint of image gradient l(0)-norm, which is named as l(0) TDL. The l(0) TDL method inherits the advantages of tensor dictionary learning (TDL) by employing the similarity of spectral CT images. On the other hand, by introducing the l(0)-norm constraint in gradient image domain, the proposed method emphasizes the spatial sparsity to overcome the weakness of TDL on preserving edge information. The split-bregman method is employed to solve the proposed method. Both numerical simulations and real mouse studies are perform to evaluate the proposed method. The results show that the proposed l(0) TDL method outperforms other competing methods, such as total variation (TV) minimization, TV with low rank (TV+LR), and TDL methods. (C) 2018 Elsevier Inc. All rights reserved.
机译：光谱计算机断层扫描（CT）在病变检测，组织表征和材料分解方面具有巨大优势。为了进一步扩展其潜在的临床应用，在这项工作中，我们提出了一种改进的张量词典学习方法，用于低剂量谱CT重建，其图像梯度为l（0）-norm，称为l（0）TDL。 l（0）TDL方法通过利用频谱CT图像的相似性继承了张量词典学习（TDL）的优点。另一方面，通过在梯度图像域中引入l（0）-范数约束，该方法强调了空间稀疏性，克服了TDL在保留边缘信息方面的弱点。采用分裂布勒曼法求解该方法。数值模拟和真实鼠标研究都可以用来评估所提出的方法。结果表明，所提出的l（0）TDL方法优于其他竞争方法，例如总变异（TV）最小化，低秩电视（TV + LR）和TDL方法。 （C）2018 Elsevier Inc.保留所有权利。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号