| 标题 |
 Feasibility of Deep Learning–Based Noise and Artifact Reduction in Coronal Reformation of Contrast-Enhanced Chest Computed Tomography 基于深度学习的胸部计算机断层造影冠状重建降噪和伪影减少的可行性
相关领域
冠状面
工件（错误）
医学
图像噪声
对比度（视觉）
图像质量
噪音（视频）
断层摄影术
核医学
信噪比（成像）
放射科
对比噪声比
人工智能
图像（数学）
计算机科学
电信
|
| 网址 | |
| DOI | |
| 其它 |
期刊：Journal of Computer Assisted Tomography 作者：Eun‐Ju Kang; Hyoung Suk Park; Kiwan Jeon; Ji Won Lee; Jae‐Kwang Lim 出版日期：2022-05-20 |
| 求助人 | |
| 下载 | 该求助完结已超 24 小时，文件已从服务器自动删除，无法下载。 |
|
温馨提示：该文献已被科研通 学术中心 收录，前往查看
科研通『学术中心』是文献索引库，收集文献的基本信息（如标题、摘要、期刊、作者、被引量等），不提供下载功能。如需下载文献全文，请通过文献求助获取。
|
xjcy
带头大哥
HEIKU
彭于彦祖
tuanheqi
嗯哼
pluto
iNk
寻道图强
cctv18
明亮沛珊
besatified
爱静静
一只饺子
活力小夏
36456657
Henry
杳鸢
萧水白
坚强的广山
皖公网安备34019202002308
