基于残差编解码网络的CT图像金属伪影校正
金属伪影校正对提高CT图像清晰度具有重要意义.针对金属伪影校正研究中伪影消除不彻底、组织结构缺失等问题,提出一种基于残差编解码网络的金属伪影去除(RED-CNN-MAR)方法.首先,使用RED-CNN网络实现由金属伪影图像到无金属伪影图像的端到端映射,在卷积层之后引入BN层提高网络训练精度和加快收敛速度;并且将原始图像、线性插值(LI)图像、射束硬化校正(BHC)图像作为RED-CNN网络的三通道输入,以融合不同校正方法的优势.接着,对该网络的输出图像在投影域进一步做组织处理;最后利用滤波反投影重建得到校正后的无金属伪影图像.经实验分析,经过RED-CNN-MAR方法校正后的图像RMSE减小了0.000 7,PSNR和SSIM分别提高了0.59 dB、0.002 8.实验结果表明,该方法可以有效地抑制金属伪影,重建出清晰的结构细节.
金属伪影校正、深度学习、残差网络、编解码器
41
TP391.9;TH74(计算技术、计算机技术)
国家自然科学基金;国家重大仪器开发专项
2020-12-30(万方平台首次上网日期,不代表论文的发表时间)
共10页
160-169