基于生成对抗网络的低剂量能谱层析成像去噪算法
基于生成对抗网络的低剂量能谱层析成像去噪算法
复制标题
DOI：
--
复制
发表时间：
2020
期刊：
影响因子：
--
通讯作者：
胡起星
中科院分区：
文献类型：
--
作者：
史再峰;李金卓;曹清洁;李慧龙;胡起星
为提升在低辐射剂量条件下能谱式计算机断层扫描（CT）的重建图像质量，提出了一.种基于复合感知损失函数的生成对抗网络去噪模型。此方法将像素空间与人类感知的特征空.间结合到网络的生成对抗过程，并引入残差学习解决网络层数加深导致的图像细节丢失问题。.通过采用多个能段的CT 图像作为输入，同时利用了能段内的空间相关性和能段间的能量相.关性，提高了能谱CT 图像的视觉灵敏度。实验结果表明：该方法将峰值信噪比提高约5 dB，.结构相似性指数提高约0.2，特征相似性指数提高约0.06。与当前的低剂量CT 影像去噪算法.相比，本文模型可实现更好的噪声去除效果，同时能保留诊断必要的细节信息，显著提高了低.剂量能谱CT 图像的质量。