基于卷积稀疏自编码的稀疏CT重建算法研究

摘要：

稀疏CT数据重建是医学影像技术领域的重要研究方向.传统算法通过对高维稀疏数据学习与分析直接重建出高维图像,重建效率受数据维度影响.为克服高维稀疏数据重建效率随数据维度增高而降低问题,论文提出基于非线性降维与低维空间数据重建的SDAE-CNN重建网络.该网络融合卷积神经网络与稀疏自动编码器,通过双向网络实现在保留几何结构条件下的非线性降维映射与反映射,加入噪声和稀疏约束项,提高网络泛化能力与稀疏性,并借助改进卷积神经网络扩展自动编码器深度,完成低维空间图像重建与非线性升、降维.通过仿真实验验证,该方法能有效完成编码孔径扫描下稀疏CT数据的重建,且重建图像峰值信噪比、与原图的结构相似性皆高于一般算法.

关键词：图像重建、稀疏编码、自动编码器、卷积神经网络

所属期刊栏目：43

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金62201520

在线出版日期：2023-10-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：105-109,130