如需要完整文档点击下方 "点击下载文档" 按钮

针对多模态医学图像融合中的重要特征丢失、细节表现不突出和纹理不清晰等问题，提出一种图像增强下使用生成对抗网络（GAN）和卷积神经网络（CNN）进行电子计算机断层扫描（CT）图像与磁共振成像（MRI）图像融合的方法。生成器针对高频特征图像，双鉴别器针对逆变换后的融合图像；高频特征图像通过GAN模型进行特征融合，低频特征图像通过基于迁移学习的CNN预训练模型进行特征融合。实验结果表明，与当前先进融合算法相比，所提方法在主观表现上纹理细节特征更加丰富，轮廓边缘信息更加清晰突出；在客观指标评估中，融合质量评价指标（QAB/F）、信息熵（IE）、空间频率（SF）、结构相似性（SSIM）、互信息（MI）和融合视觉信息保真度（VIFF）等关键指标比其他最佳测试结果分别提高了2.0%、6.3%、7.0%、5.5%、9.0%和3.3%。融合后图像可以有效地应用于医学诊断，进一步提高诊断效率。

如需要完整文档点击下方 "点击下载文档" 按钮

《图像增强下基于生成对抗网络和卷积神经网络的CT与MRI融合方法》

将 完整文档 下载到本地，方便收藏和查阅

文件号：122304

点击下载文档