用于CT稀疏重建的对抗式多残差深度神经网络改进方法

摘要：

目的 针对计算机断层成像(CT)稀疏重建过程中产生条状伪影的问题,本文提出了一种基于对抗式多残差深度神经网络的CT图像高精度稀疏重建方法.方法 设计了一种耦合多残差和对抗机制的UNet网络,以含条状伪影图像和高精度图像作为训练样本,通过大规模训练数据,对该网络进行训练,使其具有压制条状伪影的能力.首先,利用滤波反投影(FBP)算法从稀疏投影中重建出含条状伪影的CT图像;其次,将其输入深度网络,通过网络压制条状伪影.最后,得到高精度的重建图像.结果 实验结果表明,相比于总变差最小算法和现有的若干深度学习算法,提出新型网络重建出的图像精度更高,可以更好地压制条状伪影.结论 将对抗机制和多残差机制引入经典的UNet网络,可以提高其压制CT图像条状伪影的能力.

关键词：稀疏重建;CT;UNet;对抗机制;残差连接

所属期刊栏目：26

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金面上项目;山西省重点研发计划项目;山西省留学人员科技活动项目;山西省回国留学人员科研资助项目

在线出版日期：2021-09-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：145-154