公共文化服务平台

搜索到20205篇“ 低剂量“的相关文章

低剂量照射: 2024年; 低剂量照射(low dose exposure):对受照射人群100 mGy以下的低LET(传能线密度)照射或50 mGy以下的高LET照射。低剂量率指0.1 mGy/min(约为1小时平均值)的照射。低剂量照射依受照射对象不同而有很大差别。例如,对于细菌和哺乳类细胞,引起同样效应的低剂量照射可相差百倍。放射生物学和辐射防护主要关心的是影响人体健康的照射剂量。已知大、中剂量(0.5 Gy以上)的电离辐射照射可对人体造成损害,但更低剂量的照射对人群健康是否有害则尚未定论,因而也是多年来人们积极研究的问题。为谨慎和方便辐射防护管理起见,目前辐射防护采用线性无阈的假设,即假设照射危害与照射剂量呈正比,且零照射对应零危害。; 关键词：低剂量照射照射剂量放射生物学辐射防护传能线密度

低剂量CT检查的高明之处: 2024年; 在现代医学影像技术的广阔领域中,低剂量CT(计算机断层扫描)检查正逐渐崭露头角,展现出诸多显著优势,其普及性也日益受到关注。在现实生活中,很多疾病都是可以早筛查、早发现、早治疗的,而低剂量CT这种影像检查手段能够在肺癌筛查中发挥重要作用。低剂量CT是什么?与普通CT相比有什么优点?应该注意什么?本文将带领大家认识低剂量CT。; 杜全庆; 关键词：低剂量CT 计算机断层扫描影像检查现代医学影像技术

一种低剂量CT图像重建方法: 本申请属于医学CT成像技术领域，特别是涉及一种低剂量CT图像重建方法。使用传统算法对稀疏低剂量CT扫描数据进行重建会由于数据的不完备性，导致重建图像中存在稀疏伪影或噪声等干扰信息，从而影响后续的临床诊断。本申请提供了一种...; 郑海荣李彦明万丽雯胡战利陈子翔

密文域低剂量CT图像去噪方法: 本发明属于图像处理技术领域，公开了一种密文域低剂量CT图像去噪方法，客户端对待处理低剂量CT图像进行加密，得到低剂量CT图像密文，并将低剂量CT图像密文作为加密特征上传至服务器；服务器端使用线性去噪模块对加密特征进行去噪...; 张意杨子元

低剂量CT图像域去噪关键技术研究: 计算机断层扫描(Computed Tomography,CT)是医学诊断中的主要成像工具。但CT扫描过程中产生的X射线辐射过多,可能增加患者罹患肿瘤的风险。为减少辐射暴露,低剂量计算机断层扫描(Low-dose CT,L...; 战欣茹; 关键词：低剂量CT 图像去噪

肺结节不可怕,低剂量CT作用大: 2024年; 半年前,55岁的黄阿姨因突发胸痛来我院急诊科就诊。胸部CT检查结果显示右肺中叶有一个约10毫米大小的非实性结节。黄阿姨以为自己得了肺癌,心里十分恐慌。次日一大早,她就来到了我院放射科肺结节门诊就医。放射科医生阅片后,结合黄阿姨的临床病史、实验室检查及结节的大小、形态、密度等综合分析后,考虑肺结节倾向良性病变,建议她半年后再做一次低剂量螺旋CT复查,观察结节的变化情况。; 丁景峰; 关键词：放射科医生右肺中叶临床病史门诊就医低剂量螺旋CT 低剂量CT

鲁棒的低剂量CT成像算法、装置: 本发明涉及人工智能技术，揭露了一种鲁棒的低剂量CT成像算法，包括：获取待成像低剂量CT投影数据进行一维傅立叶变换，得到投影信号；利用非局部均值滤波对投影信号进行降噪得到重建投影数据；根据重建投影数据构建低剂量CT图像；获...; 周冠群李泽洲张志诚周昊天

真实场景低剂量CT图像去噪方法及系统: 本发明公开了真实场景低剂量CT图像去噪方法及系统，所述方法，包括：获取待去噪的低剂量CT图像；将待去噪的低剂量CT图像，输入到训练后的去噪模型中，输出去噪后的CT图像；其中，优化后的训练集，获取过程包括：将待优化的低剂量...; 徐君宋泽亚薛立颀邹长亮

低剂量螺旋CT筛查早期肺癌的效果分析: 2024年; 分析低剂量螺旋CT筛查早期肺癌的效果。方法于2022年01月-2023年06月期间,选取600例体检者为研究对象,将其随机均分为两组,均行常规剂量和低剂量螺旋CT筛查,对比筛查效果。结果不同剂量相比,低剂量螺旋CT筛查的阳性检出率更高;敏感性、特异性及准确性均较高;扫描辐射剂量小,指标对比有统计学意义(P<0.05);但是早期肺癌的CT征象无统计学意义(P>0.05)。结论在早期肺癌螺旋CT筛查中,予以低剂量的筛查准确性更高,可以为临床提供参考依据。; 赵庆时常旺黄娟郭跃超宋琳靖; 关键词：低剂量早期肺癌

基于特征融合的低剂量CT图像降噪方法: 2024年; 近年来低剂量CT(Low Dose CT,LDCT)被广泛应用于临床诊断中,但LDCT会产生不规则的噪声。已有的降噪方法往往缺乏对全局特征信息的考虑,以及不注重边缘特征信息和重建图像的视觉效果。为此,提出了一种基于特征融合的低剂量CT图像降噪方法。首先,利用Transformer优异的全局感受野提取图像的全局特征信息,并利用卷积神经网络(Convolutional Neural Network,CNN)良好的局部特征提取能力提取图像的局部特征信息。在Transformer模块中加入维度变换思想,以更好地抑制噪声;在CNN模块中使用稠密连接的方式将浅层网络的特征信息复用于深层网络中,以此保存更多的特征信息。其次,为了获取更加丰富的图像细节特征,使用了改进的索伯边缘增强算子来加强模型对边缘特征信息的提取能力。最后,将Transformer模块和CNN模块获取的特征信息进行融合并输出重建图像。此外,为了使降噪重建后的图像有更好的质量和视觉效果,设计了一个多尺度复合损失函数。实验表明:在AAPM-Mayo数据集的降噪实验中,与当前主流的LDCT图像降噪方法相比,本文方法取得了更好的降噪效果。; 冉瑞生张思文李进房斌; 关键词：图像降噪低剂量CT TRANSFORMER CNN 损失函数

相关作者