基于改进生成式对抗网络的稀疏角度CT去伪影方法学研究

作者：陈杰; 王丽云; **强; 简建波; 王鹏; 张文学^*

来源：中国医学装备, 2023, 20(10): 30-35.

• 稀疏角CT
• 生成式对抗网络
• 伪影去除
• 感知损失

目的：探索一种适合稀疏角度CT扫描的深度学习重建方法，有效降低辐射剂量，减少辐射剂量对人体产生的潜在致癌风险。方法：针对稀疏角度CT扫描重建过程图像信息缺失及伪影增加的问题，采用带梯度惩罚项的Wasserstein生成式对抗网络(WGAN-gp)，并在生成器中使用医学图像分割领域常用的分割网络——包含密集卷积模块的U型网络(DUnet)，提出DUnet-WGAN-gp网络。为保留生成图像的细节信息，在该网络中加入均方差损失函数和感知损失函数。分别将DUnet-WGAN-gp网络与Unet网络和DUnet网络用于稀疏角度CT的伪影去除，并比较其重建结果。结果：Unet网络、DUnet网络和DUnet-WGAN-gp网络均能有效去除稀疏角度CT采样产生的条形伪影，DUnet-WGAN-gp网络能够有效改善Unet网络和DUne网络产生的血管及胸骨边界模糊的问题。结构相似性(SSIM)方面，DUnet-WGAN-gp网络与Unet网络和DUnet网络比较分别提高19.69%和18.36%；峰值信噪比(PSNR)方面，分别提高24.78%和18.41%。结论：DUnet-WGAN-gp网络可以清晰地重建出稀疏角度CT图像，有助于开展低剂量CT的临床诊断。

• 单位
  天津医科大学总医院; 天津市西青医院