基于注意力机制和深度学习的CBCT图像伪影矫正算法研究.pdfVIP

目录

摘要I

AbstractIII

第一章绪论1

1.1研究背景及意义1

1.2国内外研究现状2

1.2.1传统CBCT图像伪影矫正技术2

1.2.2基于深度学习的CBCT图像伪影矫正算法3

1.3研究内容及创新点5

1.3.1主要研究内容5

1.3.2创新点6

1.4论文基本框架7

第二章理论概述8

2.1CBCT成像原理8

2.1.1CBCT投影获取8

2.1.2FDK重建9

2.2注意力机制10

2.2.1通道注意力11

2.2.2空间注意力11

2.2.3自注意力12

2.2.4VisionTransformer12

2.3卷积神经网络15

2.4生成对抗网络16

2.4.1原始GAN17

2.4.2条件GAN18

2.4.3Pix2pixGAN19

2.5评价指标20

2.6本章小结21

第三章基于残差扩张和注意力块U型网络的CBCT图像伪影矫正算法22

3.1工作流程22

3.2网络架构22

3.2.1残差扩张模块24

3.2.2残差注意力模块25

3.2.3损失函数26

3.3实验数据与实验设置26

3.3.1实验数据和预处理26

3.3.2实验参数设置28

3.4实验结果与对比分析28

3.4.1盆腔数据实验结果28

3.4.2盆腔数据对比实验30

3.5消融实验31

3.5.1RDB与RAB有效性分析31

3.5.2梯度差损失函数有效性分析33

3.6本章小结34

第四章基于多尺度注意力与Transformer的条件生成对抗网络的CBCT图像伪影矫正算法

35

4.1网络架构35

4.1.1生成器36

4.1.2判别器40

4.1.3损失函数41

4.2实验数据与实验设置42

4.2.1实验数据和预处理42

4.2.2实验参数设置43

4.3实验结果与对比分析44

4.3.1盆腔数据实验结果44

4.3.2盆腔数据对比实验45

4.3.3脑部数据实验结果47

4.3.4脑部数据对比实验48

4.4消融实验50

4.4.1RMA模块与CCT模块的有效性分析50

4.4.2Transformer层数的有效性分析51

4.5本章小结52

第五章总结与展望53

5.1工作总结53

5.2工作展望54

参考文献55

致谢62

攻读硕士学位期间取得的成果63

Ⅰ.国家发明专利63

Ⅱ.计算机软件著作权63

摘要

锥形束计算机断层扫描（Cone-