10.13232/j.cnki.jnju.2021.03.017
基于对抗式多任务学习的医学CT图像金属伪影去除方法
人体中的金属植入物会导致X射线计算机断层扫描(Computed Tomography,CT)图像中存在金属伪影,使图像质量大幅降低,目前已有许多利用深度学习(Deep Learning,DL)的方法一次针对一帧CT图像来去除金属伪影(Metal Artifact Reduction,MAR),但患者经CT扫描后得到的大量连续CT切片图像会使计算成本和时间成本十分高昂.为了能同时处理连续的CT伪影图像,提出一种基于对抗式多任务学习的连续CT图像MAR方法(Adversarial Multi-Task Learning MAR,AMTL-MAR),可以充分利用连续CT图像的空间相关性和解剖组织相似性,并行地处理多张连续的伪影图像.利用共享编码器提取连续伪影图像的共享特征,同时使用多个解码器重建相应的无伪影图像,整个任务的目标函数由各个平权的MAR子任务的损失函数线性组合而成,可以提高整个任务的图像重建质量.实验结果表明,该方法可以并行地去除连续图像中的金属伪影,准确恢复原始图像的组织结构.与现有方法相比,提出的方法处理连续伪影图像的效率更高,处理一组伪影图像耗时小于0.02 s,有效提升了MAR方法实时处理伪影图像的速度.
计算机断层成像;金属伪影;多任务学习;对抗学习
57
TP391.4(计算技术、计算机技术)
国家自然科学基金62071326
2021-08-16(万方平台首次上网日期,不代表论文的发表时间)
共11页
482-492