基于多尺度生成对抗网络的低剂量CT去噪算法
为有效降低低剂量CT图像的噪声,提出一种结合特征金字塔(FPN)的生成对抗网络模型(FGAN).该模型利用多尺度并行方法从低剂量图像中提取图像细节,在不改变主干模型的前提下,融合不同尺度结构特征,采用批量归一化以及带泄露修正线性单元提高网络性能.通过与非局部均值滤波(NLM)、三维块匹配滤波(BM3D)、多层感知机(MLP)以及生成对抗网络(GAN)4种算法相比,该算法不仅降低了低剂量CT图像的噪声和伪影,而且保留了更多的细节信息,提高了低剂量CT图像质量,验证了该算法的有效性.
低剂量CT;生成对抗网络;多尺度;特征提取;图像去噪
40
TP391(计算技术、计算机技术)
2021-11-04(万方平台首次上网日期,不代表论文的发表时间)
共6页
1-6