基于全卷积神经网络的低剂量CT去噪算法 |
| |
引用本文: | 洪启帆,玄祖兴,李雅馨.基于全卷积神经网络的低剂量CT去噪算法[J].中国医学物理学杂志,2023(6):695-700. |
| |
作者姓名: | 洪启帆 玄祖兴 李雅馨 |
| |
作者单位: | 1. 北京联合大学智慧城市学院;2. 北京联合大学数理与交叉科学研究院 |
| |
基金项目: | 北京市优秀人才培养资助青年拔尖个人项目(2018000026833ZK57); |
| |
摘 要: | 针对低剂量医学CT图像因减少辐射剂量而引入大量噪声,导致图像质量显著下降的问题,提出一种基于残差注意力机制和自适应特征融合的低剂量CT图像去噪算法,该算法使用全卷积神经网络来完成低剂量CT图像去噪。在网络框架中引入残差注意力机制和选择性内核特征融合模块,以过滤噪声信息,提取有效特征并自适应地融合图像特征,避免重建过程中的细节损失,提高图像质量,使去噪后的图像在感知上更接近原始图像。定性和定量实验表明,与现有的算法相比,在真实的临床数据集上,所提出的算法能够有效地抑制噪声,并恢复低剂量CT图像中更详细的纹理。与低剂量CT图像相比,所提出的算法将峰值信噪比提高14.94%,结构相似度提高4.68%,均方根误差降低40.11%,可以满足医学成像的诊断要求。
|
关 键 词: | 低剂量CT 全卷积神经网络 噪声 注意力机制 特征融合 |
|