用于CT稀疏重建的对抗式多残差深度神经网络改进方法

作者：杜聪聪; 乔志伟^*; 张艳娇; 芦阳

来源：中国体视学与图像分析, 2021, 26(02): 145-154.

DOI：10.13505/j.1007-1482.2021.26.02.005

• 稀疏重建
• CT
• UNet
• 对抗机制
• 残差连接

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。

• 单位
  山西大学