TY -的A2夏Kaijian盟——姚明,李PY - 2020 DA - 2020/11/06 TI - Multifeature提取方法使用深残余网络图像去噪SP - 8823861六世先生- 2020 AB -为了提高磁共振(MR)图像的分辨率和减少噪声的干扰,Multifeature提取去噪算法提出了基于深残余网络。首先,构造特征提取层通过结合三个不同大小的卷积核,用于获得多个浅特性融合,增加网络的多尺度感知能力。然后,它结合了批规范化和残余学习技术来加速和优化网络,同时解决内部问题的协变量传递深度学习。最后,联合损失函数被定义为结合知觉丧失和传统的均方误差损失。训练网络时,它不仅可以在像素级相比,但也学会了在一个更高层次的语义特征来生成一个更清晰的目标图像。基于MATLAB仿真平台,TCGA-GBM CH-GBM数据集用于实验证明该算法。结果表明,设置图像大小的时候出现 190年 × 215年 亚当和优化算法,该算法的性能是最好的,和它的去噪效果明显好于其他比较算法。尤其是高强度噪音水平下,去噪的优势更加突出。SN - 1748 - 670 - 2020/8823861 / 10.1155 x你——https://doi.org/10.1155/2020/8823861——摩根富林明——计算和数学方法在医学PB - Hindawi KW - ER