基于子空间投影和边缘增强的低剂量CT去噪

摘要：

低剂量计算机断层扫描(CT)是一种相对安全的疾病筛查手段,但低剂量CT图像往往包含较多噪声和伪影,严重影响医生的诊断.针对该问题,本文提出一种基于子空间投影和边缘增强网络(SPEENet).SPEENet为自编码器结构,包含双流编码器和解码器两个主要模块.双流编码器可以被分为噪声图像编码流及边缘信息编码流两部分,噪声图像编码流对低剂量CT图像进行特征提取,利用图像特征去除低剂量CT中的噪声和伪影;边缘信息编码流部分主要关注低剂量CT图像的边缘信息,利用边缘信息保护图像结构.为充分利用编码器特征,本文引入噪声基投影模块,构建基于编码器和解码器特征的基,并利用该基将编码器提取的特征投影到对应的子空间,获取更好的特征表示.本文在公开数据集上进行实验以验证提出网络的有效性,实验结果表明,相较于其他低剂量CT去噪网络,SPEENet可以取得更好的去噪效果.

关键词：深度学习、自编码器、低剂量CT、子空间投影、边缘信息

所属期刊栏目：31

分类号：O242;TP391.41(计算数学)

资助基金：四川大学"从0到1"创新研究项目;四川省杰出青年科技人才项目

在线出版日期：2022-12-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：721-729