科研之友
微信
新浪微博
Facebook
分享链接
摘要
锥束乳腺CT(CBBCT)相对高的辐射剂量和相对长的扫描时间阻碍了它的临床应用。该研究提出稀疏角度CBBCT解决上述问题。为了去除用滤波反投影（FBP）重建稀疏角度CT带来的伪影，该研究提出带有图像边缘约束的条件生成对抗网络—ECGAN。ECGAN的生成器是改进后的U-net，判别器是patch GAN和LSGAN的结合，这样的设计是为了提高训练效果，保留高频信息。为了进一步保留细微结构，图像边缘提取后被同时加入生成器和判别器中。之后采用20组临床原始数据进行训练验证。结果显示，ECGAN能实质性地提高稀疏角度CBBCT的图像质量，效果也优于基于全变分的迭代重建和基于FBPConv Net的深度学习后处理。在投影数从300降低到100时，ECGAN将峰值信噪比（PSNR）和结构相似度（SSIM）从FBP的24.26、0.812提高到37.78、0.963。结果表明ECGAN在保证图像质量基本不变的前提下，能将CBBCT的扫描时间和剂量降低为原来的三分之一。
- 单位
