小波先验在OSL重建算法中的应用***★

背景：MAP(最大后验)统计重建方法可以在重建过程中引入合适的先验知识达到去除噪声的目的。 目的：根据小波系数的统计特性及能量平衡的原理对高频信息做相应的处理，并将多尺度的小波先验应用到OSL重建算法中以去除噪声。 方法：实验从“变换域”的思想出发，在小波域上根据小波系数的统计特性及能量平衡原理对不同尺度的高频信息做相应的处理，并利用处理后的小波系数进行小波重建。 结果与结论：基于小波先验的OSL算法比ML-EM算法重建的图像与测试模型的误差变小、相关性变大、噪声变少，重建图像变得比较平滑，视觉效果较清楚。     

胃癌的回顾性研究

目的探讨胃癌发病与年龄、性别的关系;胃癌发病部位、胃癌发病种类的统计学差异。方法对于经内窥镜及手术病理证实的375例患者进行回顾性调查研究发现,胃癌的发病与年龄、性别无关,与发布部位、发病种类有明显的关联性,并有统计学差异。结果胃癌的发病部位以胃体部为主,依次贲门部、幽门部、胃底部;胃癌发病主要是低分化腺癌、依次是鳞癌、其它种类癌。结论胃癌的发病随着年龄、发病部位明显改变,早起诊断胃癌能够提供科学的手术方案。     

小波先验在OSL重建算法中的应用

背景：MAP（最大后验）统计重建方法可以在重建过程中引入合适的先验知识达到去除噪声的目的。目的：根据小波系数的统计特性及能量平衡的原理对高频信息做相应的处理,并将多尺度的小波先验应用到OSL重建算法中以去除噪声。方法：实验从“变换域”的思想出发,在小波域上根据小波系数的统计特性及能量平衡原理对不同尺度的高频信息做相应的处理,并利用处理后的小波系数进行小波重建。结果与结论：基于小波先验的OSL算法比ML—EM算法重建的图像与测试模型的误差变小、相关性变大、噪声变少,重建图像变得比较平滑,视觉效果较清楚。     

小波先验在OSL重建算法中的应用

背景：MAP(最大后验)统计重建方法可以在重建过程中引入合适的先验知识达到去除噪声的目的。 目的：根据小波系数的统计特性及能量平衡的原理对高频信息做相应的处理,并将多尺度的小波先验应用到OSL重建算法中以去除噪声。 方法：实验从“变换域”的思想出发,在小波域上根据小波系数的统计特性及能量平衡原理对不同尺度的高频信息做相应的处理,并利用处理后的小波系数进行小波重建。 结果与结论：基于小波先验的OSL算法比ML-EM算法重建的图像与测试模型的误差变小、相关性变大、噪声变少,重建图像变得比较平滑,视觉效果较清楚。     

小波先验在OSL重建算法中的应用

背景:MAP(最大后验)统计重建方法可以在重建过程中引入合适的先验知识达到去除噪声的目的.目的:根据小波系数的统计特性及能量平衡的原理对高频信息做相应的处理,并将多尺度的小波先验应用到OSL重建算法中以去除噪声.方法:实验从“变换域"的思想出发,在小波域上根据小波系数的统计特性及能量平衡原理对不同尺度的高频信息做相应的处理,并利用处理后的小波系数进行小波重建.结果与结论:基于小波先验的OSL算法比ML-EM算法重建的图像与测试模型的误差变小、相关性变大、噪声变少,重建图像变得比较平滑,视觉效果较清楚.