基于卷积神经网络的有限视角CT重建
限制电子计算机断层扫描的扫描视图的角度是降低X射线剂量并因此削弱X射线对人体损伤的有效方法之一.然而,它会降低重建的CT图像质量.提出通过训练卷积神经网络来预测缺失的扫描视图并重建CT图像的方法.训练CNN网络时,使用联合损失函数,其包括重建损失和对抗性损失.重建损失可以捕捉到缺失预测的总体结构,对抗性损失可以从分布中选出一种特定的模式,使结果更加准确.在补全缺失的投影数据之后,使用传统的滤波反投影方法从完整的投影重建CT图像.实验结果表明,方法可以显著改善在有限视角下的CT重建图像的质量.
有限视角CT重建、卷积神经网络、联合损失函数、对抗生成性网络、图像修补
13
TP391(计算技术、计算机技术)
国家自然科学基金31671006
2018-01-12(万方平台首次上网日期,不代表论文的发表时间)
共4页
204-207