| 一种基于伪影估计的低剂量CT图像降噪方法 |
| |
| 引用本文： | 韩兴隆,上官宏,张雄,韩泽芳,崔学英,王安红.一种基于伪影估计的低剂量CT图像降噪方法[J].北京航空航天大学学报,2023(2):491-502. |
| |
| 作者姓名： | 韩兴隆 上官宏 张雄 韩泽芳 崔学英 王安红 |
| |
| 作者单位： | 太原科技大学电子信息工程学院 |
| |
| 基金项目： | 国家自然科学基金(62001321)；;山西省高等学校科技创新项目(2019L0642)；;山西省自然科学基金(201901D111261)~~； |
| |
| 摘 要： | 低剂量CT(LDCT)包含丰富组织结构、病理信息和分布极其不规律的噪声伪影，这2种信息的幅度值分布规律相似。因此，LDCT降噪任务易出现特征提取不充分、网络对噪声伪影方向特性敏感度不足及降噪结果过度平滑等问题。为此，应用U-Net网络作为去噪网络的基本模型，设计了一种基于伪影估计的LDCT降噪网络。所提网络模型主要包括主特征提取网络和方向敏感注意力子网络2部分。为充分利用不同尺度特征之间的差异性，提高特征提取有效性，在编解码U-Net结构基础上增加了一个稠密特征增强模块；为提高降噪网络对噪声伪影方向特征的敏感度，设计了一个方向敏感注意力子网络；为保障网络训练稳定性，设计了多种损失函数来共同优化网络训练过程。实验结果表明：与目前主流的LDCT降噪方法相比，所提方法降噪结果的视觉效果与量化指标均表现最佳。
|
| 关 键 词： | 低剂量CT 图像降噪 U-Net 注意力机制 噪声估计 特征融合 |
|
|
