首页 > 文献资料
-
基于双层字典学习的低剂量CT图像重建算法
目的 低剂量投影条件下的CT图像重建.方法 采用双层K-奇异值分解(K-singular value decomposition,K-SVD)字典训练的学习方法进行图像的超分辨率重建.字典学习方法中采用K-SVD算法,稀疏编码采用正交匹配追踪(orthogonal matching pursuit,OMP)算法.该算法首先利用训练库进行第一层字典训练,然后利用第一层训练的字典对低分辨率图像进行重建.进而将重建图像作为第二层待重建图像的输入,这样使得第二层输入图像含有较多的高频细节信息,因此能在重构的过程中恢复更多的细节信息,让高分辨率重构图像达到较好的效果.结果 双层字典重建效果明显优于K-SVD算法,重建图像更接近于原始高分辨率CT图像.结论 本研究对双层字典训练学习的框架进行反迭代投影的全局优化改进,改善了图像的重建质量.
-
基于稀疏编码的人脑相关疾病的MRI图像特征提取
稀疏编码来源于神经科学,计算机科学和机器学习领域一般就从稀疏编码算法讲起.本文主要介绍稀疏编码的概念、应用以及基于其进行人脑帕金森疾病的MRI图像特征提取.
关键词： 稀疏编码 人脑帕金森疾病MRI图像 特征提取 -
运动意图的偏小二乘解码研究
由于大脑信息编码的稀疏特性,微电极阵列记录的神经元集群信号中包含大量的噪声和冗余信息,这降低了运动意图解码的稳定性和精确度.针对这一问题,本文将偏小二乘(PLS)特征提取应用于神经元集群解码中,首先采用PLS提取神经元集群锋电位发放特征,然后用支持向量机(SVM)对提取的特征进行分类,解码得到运动意图.采集三组鸽子十字迷宫转向实验中的大脑神经元集群信号进行解码,结果表明,PLS结合分类模型的解码方法克服了PLS回归易受噪声累积影响的缺点,稳定性和解码正确率均更高,相比传统的降维方法,PLS提取特征个数更少,包含有用信息更多,三组实测数据的解码正确率分别为93.59％、84.00％和83.59％.
