基于分组注意力残差网络的锥束XLCT成像

作者：周仲兴^*; 郭司琪; 贾梦宇; **; 吴越

来源：天津大学学报 (自然科学与工程技术版), 2022, 55(10): 1082-1092.

• 锥束XLCT
• 深度学习
• 分组注意力
• 图像重建

锥束X射线磷光断层成像(cone-beamX-rayluminescencecomputedtomography,CB-XLCT)作为一种新兴的混合成像技术可同时获得解剖结构信息和功能代谢信息，在疾病的早期诊断和靶向治疗上具有广泛发展前景．然而，由于锥束XLCT成像过程中的高度不适定性，重建结果的空间分辨率较低．针对该问题，提出了一种基于分组注意力残差网络的锥束XLCT定量磷光分布重建方法．该方法采用注意力机制优化光子密度特征通道的权重系数，并结合近似域约束损失函数，从而改善残差网络的特征表达过程，提高图像重建精度和模型稳健性．结果表明：所提出的方法在仿真实验中可清晰分辨并重建出靶心距离为7 mm的双目标体，位置误差(LE)约为0.37 mm，戴斯相似性指数(Dice)达到了84%．在仿体实验中，LE约为0.48 mm,Dice达到了79%．因此，分组注意力残差网络方法能够有效在定位精度、空间分辨率、稳健性等多方面提高图像重建质量.

• 单位
  电子工程学院; 天津大学