Da Computertomografien (CTs) 3D-Bilder von Organen, Knochen und Blutgefäßen erzeugen, sind sie für Diagnosen weit wertvoller als einfache Röntgenaufnahmen。Dieser zusätzliche diagnostische Wert ist jedoch mit einem Nachteil verbunden: der höheren Belastung durch potenziell schädliche Strahlung。Die in einem CT erzeugten 3D-Bilder werden mithilfe von Software aus 2D-Röntgenbildern zusammengesetzt, Die als Schnittbilder dienen。7毫西弗特(mSv)有效Strahlendosis。这是350-mal，所以我要0.02 mSv，我要Röntgenbild des Brustkorbs verwendet werden。[1] Die Strahlenbelastung korreliert mit dem krebsrisko;在Richtlinien线die Strahlendosis bei CTs von kinderauf 1,5 mSv begrenzt。
Medizinische Forscher möchten die Strahlenbelastung begrenzen and Ärzten zugleich die benötigte Bildklarheit bieten。在我们的生命中，有一个重要的生命，有效的Strahlendosis für eine auhname des Brustkorbs ca. 0,13 mSv beträgt。这是相对论，这是Rauschen的相对论。您可以访问Ärzten erschweren ' t, Organe, Fett and interstitielles Bindegewebe zu sehen (Abbildung 1)。
Abbildung 1: Vergleich der Bildqualität eines ultraniedrigdosis -CT(链接)mit einem herkömmlichen CT (rechts)。
立命馆大学Ryohei Nakayama博士在MATLAB中®-软件系统entwickelt，即cnn神经系统回归分析。这是一个非常好的例子，我们来看看这个例子。该系统对病人的诊断信息和死亡率为95%。
Superauflosung和美国有线电视新闻网
Zu Anfang der Forschung an Möglichkeiten, die Bildqualität von Niedrigdosis- cts Zu erhöhen, wurde eine Superauflösungstechnik verwendet, für die CT-Bilder mit MATLAB in kleine lokale Regionen aufgeteilt and dann Niedrigdosis- und normaldosis Regionen einander zugeordnet werden, um ein Bilderverzeichnis Zu erstellen。我们在新的Niedrigdosis-Bild分析中，我们发现了该系统的kleine Niedrigdosis-Region，并且我们发现了它的Normaldosis-Bereich和Anwender的用法。
我们可以使用这个技术，hängt davon ab，我们可以使用Verzeichnis verfügbar ist，我们可以使用这个技术können。Ein größeres Verzeichnis bedeutet jedoch auch höhere Ressourcenanforderungen and das System and vor allem eine längere Suchzeit für kleine Bilder。在CNN benötigt zwar Trainingszeit，我想在新的图片报上看到，但是我想在Superauflösungs-Ansatz上看到。Beispielsweise kann ein trainiertes CNN innerhalb von circa 20 minutes ergebisse für einen einzelnen Patienten erzeugen, während die Superauflösung für vergleichbare ergebisse circa zwei Stunden brauchte。
cnn -回归分析es gibt jedoch einige Fälle, in denen die Leistung der Superauflösungstechnik sehr gut ist。Wenn Muster in einem Bilder im Verzeichnis sehr ähnlich sind, erbrt der Superauflösungsansatz beispielsweise sehr genaue Ergebnisse。它是一个杂交系统，它是cnn -回归到Superauflösung kombiniert。
cnn记者Beziehen von Bildern和Konstruieren
嗯死Klarheit冯Ultraniedrigdosis-CTs des Brustkorbs祖茂堂verbessern,假日,静脉拟设麻省理工学院请来两cnn angewendet,冯denen进行窝Lungenbereich der CT-Bilder verarbeitet和das安德利果汁窝休息(Abbildung 2)。der Bilddatensatz,麻省民主党死cnn trainiert wurden,冯bereitgestellt Forschern der三重大学。最好是在12 Bildpaaren，在Normaldosis-CT和ultra - traniedrigdosis- ct中。(如果病人是我们的病人，请阅读zusätzlicher strahgeetzind，则必须研究kleine Grundmenge与suchspersonen beschränkt werden的相对关系。)Jedes图片在研究最好的512 x 512 Pixeln和Jedes CT最好的250 Bildern (Schichten)。
Abbildung 2: cnn，我是Lungen和Restbereich des traniedrigdosis- ct trainiert wurden。
我们去anfängliche Struktur des CNN，请到我们的网站früheren Arbeit zur Superauflösung auf。在当地的节日研究区，早上7点x 7点最好玩。Daher wurde在deep - learning - models mit dieser Größe begonnen。Danach wurde mit lokalen Regionen in Größen zwischen 5 x 5和128 x 128 experimentiert and überprüft, wie aussagekräftig die jeweils erzegten Ergebnisse waren。Für den Lungenbereich fiel die Entscheidung zugunsten von 32 x 32 und 64 x 64 für den Rest。Außerdem wurden in MATLAB ca. 128 unterschiedliche CNN-Varianten bewertet. Außerdem wurden in MATLAB ca. 128 unterschiedliche我们可以用这个词来表达我们想要的东西。
Trainieren und Überprüfen der cnn
我们可以把比登的11例病人模型和比登的病人模型结合起来。这是我的第12个心愿，我的心愿是Trainingsdatensätzen，我的心愿是wiederholt。在NVIDIA的图形处理器中使用并行计算工具箱™®GeForce-Serie trainiert。Zur Überwachung des Trainingsfortschritts wurde Genauigkeit und Verlust mithilfe der Überwachungsvisualisierungs-Option in der Deep Learning Toolbox™(Abbildung 3) dargestellt。
Abbildung 3: Beispielhafte Darstellung des Trainingsfortschritts，即Deep Learning Toolbox。
Die Ergebnisse für jedes Ultraniedrigdosis-Testbild wurden and des entspreenden normaldosis bildes bewertet。Hierfür wurden mit RMS-Ebenen(均方根)和dem SSIM-Index(结构相似指数)Bildqualitätsmetriken gemessen。
Weitere Schritte
这是geplant, CNN-basierte系统在einer Klinik在einer realen Umgebung einzusetzen。auf ßerdem werden Möglichkeiten untersucht, das System auf einem PAC-Server(图片存档和通信)bereitzustellen, auf dem medizinische Bilder komfortabel gespeichert und genutzt werden können。Einer der vielen Vorteile der Entwicklung von Software für die medizinische Bildgebung in MATLAB liegt darin, dass Umgebung es erleichtert, eine Benutzeroberfläche für die zugrunde liegenden algorithm for erstellen and das gesamte Paket dann Ärzte zu verteilen。Diesen Vorgang hatte Nakayama Dr. berits für andere MATLAB-basierte Systeme durchgeführt, die er erstellt hat。
立命馆大学ist eine der über 1000 Universitäten weltwit, Die campusweiten Zugriff auf MATLAB和Simulink bieten。金宝app麻省理工学院(学术总人数)können Forschende, Lehrende和Studierende auf eine gemeinsame produckt配置auf dem neuesten释放水平zugreifen和sie überall verwenden - in Seminarräumen, zu house, im Labor oder bei Forschungseinsätzen。
