10.15953/j.1004-4140.2022.31.01.05
基于迭代残差网络的双能CT图像材料分解研究
双能计算机断层成像技术(DECT)由于其材料分解能力,在高级成像应用中发挥着重要作用.图像域分解直接对CT图像进行线性矩阵反演,但分解后的材料图像会受到噪声和伪影的严重影响.虽然各种正则化方法被提出来解决这个问题,但它们仍然面临着两个挑战:繁琐的参数调整和过度平滑导致的图像细节损失.为此,本文提出一种基于迭代残差网络的双能CT图像材料分解算法,直接求逆作为初始基图像,利用堆叠的双通道卷积神经网络替换迭代分解模型中的正则化项,构成深度迭代分解网络,该方法同时实现了材料分解和噪声抑制.实验结果表明,本文提出的迭代残差网络优于其他对比方法,能够在保持基图像边缘细节信息的同时有效抑制噪声和伪影.
计算机断层成像、双能CT、残差网络、噪声抑制
31
TP391(计算技术、计算机技术)
国家自然科学基金;基于深度学习的递变能量多谱CT成像表征方法研究;基于深度学习的低剂量CT重建与影像识别61971381
2022-04-07(万方平台首次上网日期,不代表论文的发表时间)
共8页
47-54