乔志伟
- 作品数：28 被引量：54H指数：5
- 供职机构：山西大学计算机与信息技术学院更多>>
- 发文基金：国家自然科学基金山西省回国留学人员科研经费资助项目留学人员科技活动项目择优资助经费更多>>
- 相关领域：自动化与计算机技术理学机械工程更多>>
- 基于有限元验证的单电流源偶极子矢量场重建
- 2022年
- 提出一种基于匹配法的逆问题求解方法,用于鸡胚胎心脏电流源偶极子矢量场的重建。在鸡胚胎承接装置上设置41个微孔,测量41个微孔点位的电势数据,采用匹配法计算并确定最优单电流源偶极子的位置、大小及方向,以重建鸡胚胎心脏电流源偶极子矢量场。仿真结果表明,所提方法能够比较准确地计算出单电流源偶极子的位置、大小及方向,并且有一定的抗干扰能力。
- 魏秋月骞雨禛汤少杰乔志伟桂志国
- 关键词：鸡胚胎逆问题匹配法
- 基于Chambolle-Pock算法的TV重建方法研究被引量：2
- 2016年
- 为实现CT稀疏视角下的投影图像重建,Sidky等设计了基于Chambolle-Pock(CP)算法,论文在此基础上实现了CP算法。仿真实验表明,与传统的滤波反投影算法相比,CP算法不存在伪影,在含噪情况下,CP算法具有较好的性能,可以实现稀疏角度下的高精度图像重建。同时,探讨了平衡因子的选取对重建精度的影响。
- 宋文琪乔志伟邰浩伟李欣
- 关键词：压缩感知
- 基于CNN和Transformer耦合网络的低剂量CT图像重建方法被引量：3
- 2022年
- 在投影角度个数不变的情况下,降低每个角度下的射线剂量,是一种有效的低剂量CT实现方式,然而,这会使得重建图像的噪声较大。当前,以卷积神经网络(CNN)为代表的深度学习图像去噪方法已经成为低剂量CT图像去噪的经典方法。受Transformer在计算机视觉任务中展现的良好性能的启发,本文提出一种CNN和Transformer耦合的网络(CTC),以进一步提高CT图像去噪的性能。CTC网络综合运用CNN的局部信息关联能力和Transformer的全局信息捕捉能力,构建8个由CNN部件和一种改进的Transformer部件构成的核心网络块,并基于残差连接机制和信息复用机制将之互联。与现有4种去噪网络比较,CTC网络去噪能力更强,可以实现高精度低剂量CT图像重建。
- 乔一瑜乔志伟
- 关键词：低剂量CT卷积神经网络
- 基于压缩感知的双视角气泡重建算法
- 2017年
- 气泡及气泡群动态演化行为的无干扰测量是气液两相流的研究重点和难点,双视角成像技术有望解决这一难题,然而现有双视角重建算法无法得到令人满意的结果。本研究对基于压缩感知的SD-POCS算法进行改进,使用直接反投影计算结果作为初始图像,动态调整迭代步长,使该算法适用于仅仅有两个角度投影数据的极端情况,从而实现双视角下两相流场气泡结构的三维图像重建。在此基础上,本研究建立了气泡识别算法,对重建结果进行气泡分析,虚拟实验表明,本方法能对气液体系中的气泡进行有效识别。
- 郭剑孟凡勇乔志伟
- 关键词：两相流压缩感知三维重建
- 可同时抑制多种图像伪影的最优骨校正被引量：3
- 2018年
- X线CT系统球管发射宽能谱X光子,使得重建图像中出现射束硬化伪影,如杯形和条纹伪影;成像对象体内还可能存在金属植入物,使得重建图像中出现金属伪影。多种图像伪影的同时出现,势必严重退化临床诊断精度,有必要深入研究加以抑制。本文利用数据一致性条件构造目标函数;利用非线性最小二乘和交替迭代优化算法求解最优尺度因子;最终得到可同时校正杯形、条纹和金属伪影的最优骨校正方法。计算机仿真实验结果表明,该方法的确能够自适应确定出最优尺度因子,从而同时校正多种图像伪影。
- 汤少杰张砚博汪友明赵峰乔志伟杨小军牟轩沁朱溢佞
- 关键词：X线CT射束硬化
- TpV成像算法中p值对重建精度影响研究
- 2021年
- 设计了一种约束的TpV重建模型及其自适应最速下降-投影到凸集求解算法,使用仿真模体和真实CT图像模体进行广泛重建实验,探索在不同的投影稀疏程度下p值的选择对重建精度的影响规律。实验结果表明,p值并非越小越好;p=0.5也不能保证最优;随着投影数据由稀变密,最优p值呈现由1到0逐渐减小的趋势;这些规律可用于对TpV图像重建中p值的选择。
- 闫慧文乔志伟
- 关键词：总变差压缩感知
- 正弦图智能插值法CT稀疏重建被引量：1
- 2021年
- 介绍了基于正弦稀疏插值法对CT图像进行稀疏重建的方法。该方法采用稀疏采样,在DNCDD网络的基础上,提出递减感受野密集连接DNCNN网络结构,汲取图像特征。网络模型采用不同大小的卷积核并加入了密集连接,通过与线性插值方法及不同经典网络方法的比较表明,该网络重建后图像的峰值信噪比和结构相似度更高,可更好地保留图像细节。
- 温静乔志伟
- 关键词：医学图像
- 用于CT稀疏重建的对抗式多残差深度神经网络改进方法被引量：1
- 2021年
- 目的针对计算机断层成像(CT)稀疏重建过程中产生条状伪影的问题,本文提出了一种基于对抗式多残差深度神经网络的CT图像高精度稀疏重建方法。方法设计了一种耦合多残差和对抗机制的UNet网络,以含条状伪影图像和高精度图像作为训练样本,通过大规模训练数据,对该网络进行训练,使其具有压制条状伪影的能力。首先,利用滤波反投影(FBP)算法从稀疏投影中重建出含条状伪影的CT图像;其次,将其输入深度网络,通过网络压制条状伪影。最后,得到高精度的重建图像。结果实验结果表明,相比于总变差最小算法和现有的若干深度学习算法,提出新型网络重建出的图像精度更高,可以更好地压制条状伪影。结论将对抗机制和多残差机制引入经典的UNet网络,可以提高其压制CT图像条状伪影的能力。
- 杜聪聪乔志伟张艳娇芦阳
- 关键词：CT
- 双通道小UNet级联网络法重建低剂量CT图像
- 2022年
- 为改善低剂量重建CT图像产生的噪声问题,提出了一种双通道小UNet级联网络的低剂量CT图像重建方法.该方法采用低剂量的CT图像作为网络结构的输入,通过两个通道分别对输入的图像进行处理,确保生成的特征图具有多样性,能更好地提升图像质量.试验结果表明:该方法与DnCNN、UNet、TV方法相比,能更好地保留图像细节信息.
- 杨雯晶乔志伟
- 关键词：图像去噪
- 自适应步长非局部全变分约束迭代图像重建算法被引量：6
- 2020年
- 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。
- 王文杰乔志伟牛蕾席雅睿
- 关键词：计算机断层成像图像重建
