基于多尺度边缘提取和加权卷积稀疏编码的低剂量CT去噪算法

摘要：

大多数现有的基于卷积神经网络的低剂量计算机断层扫描(LDCT)去噪算法像一个"黑匣子",优化过程缺乏直观的逻辑性,而且容易产生模糊的结果.为了解决这些问题,提出一种结合加权卷积稀疏编码和卷积神经网络的可解释的LDCT去噪模型.该模型考虑卷积稀疏特征图与噪声/伪影分布的关联,在目标函数上给卷积稀疏特征图附加可学习的权重,利用加权迭代软阈值算法寻求目标函数的最优解.用通道注意力来学习卷积稀疏特征图上附加的权重,用设计的多尺度边缘提取模块解决因丢失纹理细节而导致的图像模糊问题.在AAPM公开数据集上的实验结果表明,相对于几种领先的去噪算法,所提算法对噪声/伪影的抑制效果明显,去噪结果保留了更多的纹理细节.

关键词：低剂量CT、加权卷积稀疏编码、卷积神经网络、通道注意力、多尺度边缘提取

所属期刊栏目：41

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;山西省高等学校科技创新项目

在线出版日期：2022-11-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：9-15