共查询到7条相似文献,搜索用时 4 毫秒
1.
我院2007年12月引进东芝Aquilion64层螺旋CT机,该机配备7.5Mhu大容量X射线管,额定输出功率60kw,能以每旋转一周仅0.5S速度进行高速扫描;最小层厚0.5mln,具有高速适时重建功能。 相似文献
2.
3.
详细介绍GE公司16排CT图像发生器的原理,分析从原始数据到图像的工作流程,以及各部分的相关工作参数。 相似文献
4.
Asteion/VR图像处理单元,下文简称为PIP,由PIP、FM、TERM、PIP-CNN等电路板组成,本系统使用三块PIP板进行并行处理,使用三块、两块或一块PIP板只要设置正确均可以正常工作,区别在于图像重建时间有所不同。对于该设备,用户在出现图像重建故障后,可根据下文的介绍进行板级故障的诊断。 相似文献
5.
1故障现象开始时扫描图像多圈环形伪影,偶尔呈现放射状伪影,故障现象时重时轻,频率和现象均有一定随机性,开始时关机重启后故障可暂时排除,后来故障频率逐步加大,直至影响设备的正常使用。故障分析: 相似文献
6.
目的:通过全局注意力多任务网络提升CT图像细小骨折检测的感知,通过多任务实现实例级别细小骨折目标的检测,快速、准确地从大量CT图像中识别并定位骨折,以辅助临床及时开展治疗。方法:引入分组非局部(non-local)网络方法,计算CT图像连续切片任何位置和通道之间的远程依赖关系,将多目标检测模型3DRetinaNet单级检测器与医学图像语义分割(3DU-Net)架构相融合,实现端到端的多任务3D卷积网络,以多任务联合的方式实现对细小骨折的实例级别检测。选择医学图像计算与计算机辅助干预(MICCAI)2020挑战赛提供的肋骨骨折公开数据集(RibFracDataset)600例CT扫描图像,通过5∶1的比例划分为训练集(500例)和验证集(100例),测试多任务3D卷积网络的精度性能。结果:多任务3D卷积网络方法的检测精度性能优于单任务网络FracNet、3D RetinaNet及3D Retina U-Net,其平均精度与3D RetinaNet和3D Retina U-Net网络相比分别高出7.8%和11.4%,且优于3D Faster R-CNN、3D Mask R-CNN两种单任务... 相似文献