基于多尺度小波残差网络的稀疏角度CT图像恢复

目的 稀疏角度CT具有加速数据采集和减少辐射剂量的优点.然而,由于采集信息的减少,使用传统滤波反投影算法(FBP)进行重建得到的图像中伴有严重的条形伪影和噪声.针对这一问题,本文提出基于多尺度小波残差网络(MWResNet)对稀疏角度CT图像进行恢复.方法 本网络中将小波网络与残差块相结合,用以增强网络对图像特征的提取能力和加快网络训练效率.实验中使用真实的螺旋几何CT图像数据"Low-dose CT Grand Challenge"数据集训练网络.通过观察图像表征和计算定量参数的方法对结果 进行评估,并与其他现有网络进行比较,包括图像恢复迭代残差卷积网络(IRLNet),...

Full description

Saved in:
Bibliographic Details
Published in南方医科大学学报 Vol. 39; no. 11; pp. 1320 - 1328
Main Authors 韦子权, 王永波, 陶熙, 贾晓, 边兆英, 谌高峰, 李明强, 马昆, 李彬, 马建华
Format Journal Article
LanguageChinese
Published 广州市医用放射成像与检测技术重点实验室,广东广州 510515 2019
南方医科大学生物医学工程学院,广东 广州 510515
Subjects
稀疏角度CT
残差网络
多尺度小波变换
Online AccessGet full text
ISSN1673-4254
DOI10.12122/j.issn.1673-4254.2019.11.09

Cover

More Information
Summary:目的 稀疏角度CT具有加速数据采集和减少辐射剂量的优点.然而,由于采集信息的减少,使用传统滤波反投影算法(FBP)进行重建得到的图像中伴有严重的条形伪影和噪声.针对这一问题,本文提出基于多尺度小波残差网络(MWResNet)对稀疏角度CT图像进行恢复.方法 本网络中将小波网络与残差块相结合,用以增强网络对图像特征的提取能力和加快网络训练效率.实验中使用真实的螺旋几何CT图像数据"Low-dose CT Grand Challenge"数据集训练网络.通过观察图像表征和计算定量参数的方法对结果 进行评估,并与其他现有网络进行比较,包括图像恢复迭代残差卷积网络(IRLNet),残差编码解码卷积神经网络(REDCNN)和FBP卷积神经网络(FBPConvNet).结果 实验结果表明,本文提出的多尺度小波残差网络优于其余对比方法.结论 本文提出的MWResNet网络能够在保持稀疏角度CT图像边缘细节信息的同时有效抑制噪声和伪影.
ISSN:1673-4254
DOI:10.12122/j.issn.1673-4254.2019.11.09