基于融合通道注意力的Uformer的CT图像稀疏重建

摘要：

针对解析法稀疏重建中产生的条状伪影问题,提出一种融合通道注意力的U型Transformer(CA-Uformer),以实现高精度计算机断层成像(CT)的稀疏重建.CA-Uformer融合了通道注意力和Transformer中的空间注意力,双注意力机制使网络更容易学习到图像细节信息;采用优秀的U型架构融合多尺度图像信息;采用卷积操作实现前向反馈网络设计,从而进一步耦合卷积神经网络(CNN)的局部信息关联能力和Transformer的全局信息捕捉能力.实验结果表明,与经典U-Net相比,CA-Uformer的峰值信噪比(PSNR)、结构相似性(SSIM)提高了3.27 dB、3.14%,均方根误差(RMSE)降低了35.29%,提升效果明显.可见,CA-Uformer稀疏重建精度更高,压制伪影能力更强.

关键词：计算机断层成像、稀疏重建、条状伪影、Transformer、通道注意力

所属期刊栏目：43

分类号：TP391.41(计算技术、计算机技术)

在线出版日期：2023-10-09（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：2948-2954