检索结果

Select

1. 基于融合通道注意力的Uformer的CT图像稀疏重建

陈蒙蒙, 乔志伟

《计算机应用》唯一官方网站 2023, 43 (9): 2948-2954. DOI: 10.11772/j.issn.1001-9081.2022081242

摘要（142）

HTML （13）

PDF （5664KB）（97）

针对解析法稀疏重建中产生的条状伪影问题，提出一种融合通道注意力的U型Transformer（CA-Uformer），以实现高精度计算机断层成像（CT）的稀疏重建。CA-Uformer融合了通道注意力和Transformer中的空间注意力，双注意力机制使网络更容易学习到图像细节信息；采用优秀的U型架构融合多尺度图像信息；采用卷积操作实现前向反馈网络设计，从而进一步耦合卷积神经网络（CNN）的局部信息关联能力和Transformer的全局信息捕捉能力。实验结果表明，与经典U-Net相比，CA-Uformer的峰值信噪比（PSNR）、结构相似性（SSIM）提高了3.27 dB、3.14%，均方根误差（RMSE）降低了35.29%，提升效果明显。可见，CA-Uformer稀疏重建精度更高，压制伪影能力更强。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 基于多残差UNet的CT图像高精度稀疏重建

张艳娇, 乔志伟

计算机应用 2021, 41 (10): 2964-2969. DOI: 10.11772/j.issn.1001-9081.2020121985

摘要（390）

PDF （1075KB）（463）

为了解决计算机断层成像（CT）稀疏解析重建过程中产生条状伪影的问题，在经典的UNet网络结构的基础上，提出了多残差UNet （Mr-UNet）网络结构，以更好地压制条状伪影。首先，用传统滤波反投影（FBP）解析重建算法稀疏重建出含条状伪影的稀疏图像；然后，将该类图像作为网络结构的输入，且将相对应的高精度图像作为网络的标签进行训练，使得该网络具有很好的压制条状伪影的性能；最后，将经典UNet原先的四层下采样加深到五层，并在模型中引入残差学习机制将每个卷积单元构建为残差结构，从而提升网络的训练性能。实验中采用了2 000对大小为256×256的含条状伪影图像和对应的高精度图像作为数据集，其中，1 900对作为训练集，50对作为验证集，其余的作为测试集来训练网络，并验证、评估网络性能。实验结果表明，与传统的总变差（TV）最小化算法及经典的UNet深度学习方法的比较表明，所提模型重建图像的均方根误差（RMSE）平均降低了约0.002 5，结构相似度（SSIM）平均提高了约0.003，且能更好地保留图像纹理和细节信息。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于Chambolle-Pock算法框架的高阶TV图像重建算法

席雅睿, 乔志伟, 温静, 张艳娇, 杨雯晶, 闫慧文

计算机应用 2020, 40 (6): 1793-1798. DOI: 10.11772/j.issn.1001-9081.2019111955

摘要（512）

PDF （720KB）（380）

传统的总变差（TV）最小算法是一种基于压缩感知(CS)的经典迭代重建算法，可以从稀疏数据或含噪数据中高精度地重建图像。然而，TV算法在重建分段常数特征不明显的图像时可能会引入块状伪影，通过研究得出，在图像去噪中使用高阶总变差（HOTV）能有效压制TV模型引入的块状伪影。鉴于此，提出了一种HOTV图像重建模型及其Chambolle-Pock（CP）求解算法。具体来说，以二阶梯度构建二阶TV范数，进而设计了一种数据保真约束的二阶TV最小重建模型，并推导出了相应的CP算法。在理想数据投影和含噪数据投影条件下，分别采用基于波浪背景的Shepp-Logan模体、灰度渐变模体以及真实CT图像模体进行重建实验，并进行定性和定量分析。理想数据投影的重建结果表明，和传统TV算法相比，HOTV算法能有效压制块状伪影并提高重建精度。含噪数据投影的重建结果表明，HOTV算法和TV算法均有良好的抗噪能力，但HOTV算法的保边性能更好且抗噪性更强。在重建分段常数特征不明显而灰度波动特征明显的图像时，HOTV算法是一种比TV算法更优的重建算法。所提HOTV算法可以被推广到各种扫描模式下的CT重建及其他成像模态中。

参考文献 | 相关文章 | 多维度评价

Select

4. 自适应步长非局部全变分约束迭代图像重建算法

王文杰, 乔志伟, 牛蕾, 席雅睿

计算机应用 2020, 40 (1): 245-251. DOI: 10.11772/j.issn.1001-9081.2019061129

摘要（666）

PDF （1066KB）（344）

针对计算机断层成像（CT）系统中，全变分（TV）迭代约束模型易于产生阶梯效应以及不能很好地保存图像中精细结构的问题，提出一种自适应步长的非局部全变分（NLTV）约束迭代重建算法。考虑到NLTV模型能较好保存和恢复图像细节以及纹理的特点，首先将CT模型当成在满足投影数据的保真项的解集中寻找满足特定正则项即NLTV最小化的解约束优化模型；然后，使用代数重建（ART）算法和分离布雷格曼（SB）来确保重建结果满足数据保真项和正则化项的约束；最后，以自适应最速下降-投影到凸集（ASD-POCS）算法作为基础迭代框架来重建图像。实验结果表明，在不含噪声的稀疏重建条件下，提出的算法使用30个角度的投影数据已经可以重建出理想的结果。在含噪稀疏数据重建实验中，该算法在30次迭代时已得到接近最终收敛的结果，且均方根误差（RMSE）是ASD-POCS算法的2.5倍。该重建算法能在稀疏投影数据下重建出精确的结果图像，同时改善了TV迭代模型的细节重建能力，且对噪声有一定的抑制作用。

参考文献 | 相关文章 | 多维度评价

Select

5. 基于Gossip协议的流媒体播放机制的研究与改进

乔志伟彭俊徐汀荣

计算机应用 2009, 29 (10): 2652-2654.

摘要（1321）

PDF （898KB）（1301）

针对Gossip协议数据传播随机性与不确定性问题，提出了一种混合结构方式。该方式将非结构化P2P网络和结构化P2P网络相结合，通过增加数据片预取调度算法，弥补了Gossip协议数据传输的随意性。实验结果表明，此方式提高了节点成功播放率，降低了系统开销。