当前位置：
X-MOL 学术
›
J. Appl. Clin. Med. Phys.
›
论文详情
Our official English website, www.x-mol.net, welcomes your
feedback! (Note: you will need to create a separate account there.)
Image quality improvement with deep learning-based reconstruction on abdominal ultrahigh-resolution CT: A phantom study
Journal of Applied Clinical Medical Physics ( IF 2.0 ) Pub Date : 2021-06-23 , DOI: 10.1002/acm2.13318 Takashi Shirasaka 1 , Tsukasa Kojima 1 , Yoshinori Funama 2 , Yuki Sakai 1 , Masatoshi Kondo 1 , Ryoji Mikayama 1 , Hiroshi Hamasaki 1 , Toyoyuki Kato 1 , Yasuhiro Ushijima 3 , Yoshiki Asayama 4 , Akihiro Nishie 3
Journal of Applied Clinical Medical Physics ( IF 2.0 ) Pub Date : 2021-06-23 , DOI: 10.1002/acm2.13318 Takashi Shirasaka 1 , Tsukasa Kojima 1 , Yoshinori Funama 2 , Yuki Sakai 1 , Masatoshi Kondo 1 , Ryoji Mikayama 1 , Hiroshi Hamasaki 1 , Toyoyuki Kato 1 , Yasuhiro Ushijima 3 , Yoshiki Asayama 4 , Akihiro Nishie 3
Affiliation
In an ultrahigh-resolution CT (U-HRCT), deep learning-based reconstruction (DLR) is expected to drastically reduce image noise without degrading spatial resolution. We assessed a new algorithm's effect on image quality at different radiation doses assuming an abdominal CT protocol.
中文翻译：
基于深度学习重建的腹部超高分辨率 CT 图像质量改善：一项幻像研究
在超高分辨率 CT (U-HRCT) 中，基于深度学习的重建 (DLR) 有望在不降低空间分辨率的情况下大幅降低图像噪声。我们在假设腹部 CT 协议的情况下评估了新算法在不同辐射剂量下对图像质量的影响。
更新日期：2021-07-21
中文翻译：
基于深度学习重建的腹部超高分辨率 CT 图像质量改善：一项幻像研究
在超高分辨率 CT (U-HRCT) 中，基于深度学习的重建 (DLR) 有望在不降低空间分辨率的情况下大幅降低图像噪声。我们在假设腹部 CT 协议的情况下评估了新算法在不同辐射剂量下对图像质量的影响。
京公网安备 11010802027423号