基于生成对抗网络和噪声水平估计的低剂量CT图像降噪方法

作者：张雄^*; 杨琳琳; 上官宏; 韩泽芳; 韩兴隆; 王安红; 崔学英

来源：电子与信息学报, 2021, 43(08): 2404-2413.

• 图像降噪
• 生成对抗网络
• 低剂量CT
• U-Net
• 噪声水平

生成对抗网络(GAN)用于低剂量CT(LDCT)图像降噪具有一定的性能优势,成为近年CT图像降噪领域新的研究热点。不同剂量的LDCT图像中噪声和伪影分布的强度发生变化时,GAN网络降噪性能不稳定,网络泛化能力较差。为了克服这一缺陷,该文首先设计了一个编解码结构的噪声水平估计子网,用于生成不同剂量LDCT图像对应的噪声图,并用原始输入图像与之相减来初步抑制噪声;其次,在主干降噪网络中,采用GAN框架,并将生成器设计为多路编码的U-Net结构,通过博弈对抗实现网络结构优化,进一步抑制CT图像噪声;最后,设计了多种损失函数来约束不同功能模块的参数优化,进一步保障了LDCT图像降噪网络的性能。实验结果表明,与目前流行算法相比,所提出的降噪网络能够在保留LDCT图像原有重要信息的基础上,取得较好的降噪效果。

• 单位
  电子信息工程学院; 太原科技大学