基于融合解析迭代重建网络的高效稀疏投影CT重建算法

摘要：

融合解析迭代重建网络(fused analytical iterative reconstruction networks,AirNet)是一种结合传统解析、迭代重建算法与深度卷积神经网络的CT稀疏投影数据重建模型,可准确重建稀疏角、有限角等情况下稀疏采样的CT投影数据.但原始AirNet需要数十次迭代,其计算效率仍有待提高,一般仅用于实现二维CT重建.鉴于此,本文在AirNet基础上提出了两种新的迭代残差结构:迭代内残差和迭代间残差,改进了基于AirNet的CT重建算法.新算法在减少AirNet迭代次数,增加单次迭代中网络层数的情况下可以有效地保持重建图像质量,减少1/3的训练显存占用并提高两倍重建速度.本文所提出的方法将有助于推广AirNet模型至三维稀疏采样的CT数据重建,提高其临床应用价值.

关键词：稀疏投影;CT重建;深度学习;计算高效性

所属期刊栏目：26

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金委员会项目No.51627807

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：163-172