科研之友
微信
新浪微博
Facebook
分享链接
摘要
鉴于X射线辐射对患者存在的潜在风险，许多临床适应症使用低剂量计算机断层扫描(LDCT)成像，以最大限度地降低辐射剂量，同时不显著影响筛查或诊断性能。然而，计算机断层扫描(CT)成像过程中，低辐射剂量产生的噪声会降低CT图像质量，从而影响临床诊断准确性。因此，需要对低剂量CT图像进行重建，提高图像质量。视觉Transformer相比卷积神经网络(CNN)具有更卓越的特征表示能力。与CNN不同，Transformer在LDCT去噪中少有应用，为了发掘Transformer的优异特征提取能力，以实现LDCT高效去噪，提出了一种基于移动窗口多层级Transformer低剂量CT重建网络。该网络使用移动窗口方法将自注意计算限制在非重叠的局部窗口，同时允许跨窗口连接，从而提高了效率，并且降低了数据计算复杂性。此外，网络末端设计了分段残差重建模块，以此进一步实现高质量低剂量CT图像重建。对Mayo低剂量CT数据集的广泛实验表明，与经典方法相比该方法能产生更高质量的重建效果。
- 单位
