基于对抗式残差密集深度神经网络的CT稀疏重建

摘要：

针对计算机断层成像稀疏重建过程中产生条状伪影的问题,本文提出一种基于对抗式残差密集深度神经网络的CT图像高精度稀疏重建方法.设计一种耦合残差连接、密集连接、注意力机制和对抗机制的UNet网络,以含条状伪影图像和高精度图像作为训练样本,通过大规模训练数据,对该网络进行训练,使其具有压制条状伪影的能力.首先,利用滤波反投影算法从稀疏投影中重建出含条状伪影的CT图像;接着,将其输入深度网络,通过网络压制条状伪影;最后,得到高精度的重建图像.实验结果表明,相比于现有的若干深度学习算法,提出的新型网络重建出的图像精度更高,可以更好地压制条状伪影.

关键词：稀疏重建、CT、UNet、对抗机制、注意力机制

所属期刊栏目：31

分类号：O242;TP391.41(计算数学)

资助基金：国家自然科学基金;山西省重点研发计划;山西省回国留学人员科研资助项目

在线出版日期：2022-05-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：163-172