Matlab脑部CT代码-CNN在生物医学图像处理中的应用：利用RA变换提升重建图像质量

简介：
本项目运用CNN技术结合RA变换，旨在提高基于Matlab的脑部CT图像重建质量。通过优化算法，显著改善了生物医学图像的处理效果。 在MATLAB环境中利用卷积神经网络（CNN）进行Radon变换以提高图像重建质量的研究项目基于深度卷积神经网络对成像逆问题的解决方案[1]。该项目通过删除U-net架构中的跳过连接来优化CNN结构，从而实现残差学习。 训练数据集由两个部分组成：第一部分是椭球合成数据集，包含500张随机强度、大小和位置的椭圆图像。该数据集中每个正弦图尺寸为729像素乘以1,000个视图，并通过解析表达式创建。滤波反投影（FBP）重建方法使用MATLAB中的iradon函数实现。 第二部分训练集是一个生物医学合成数据集，包括500张真实的体内CT图像，这些图像由Mayo诊所提供的低剂量大挑战竞赛的数据构成。每个正弦图的尺寸为729像素乘以1,000个视图，并且通过MATLAB中的radon函数创建，同样使用iradon函数进行FBP重建。 测试数据集则是一个真实的CT数据集合，包含377张从瑞士维利根Paul Scherrer研究所Swiss Light Source的TOMCAT光束线实验中采集到的正弦图。每一张正弦图尺寸为1493像素乘以721视图。