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。
|