基于融合解析迭代重建网络的高效稀疏投影CT重建算法

作者：陈高宇; 黄秋^*

来源：中国体视学与图像分析, 2021, 26(02): 163-172.

DOI：10.13505/j.1007-1482.2021.26.02.007

• 稀疏投影
• CT重建
• 深度学习
• 计算高效性

融合解析迭代重建网络(fused analytical iterative reconstruction networks,Air Net)是一种结合传统解析、迭代重建算法与深度卷积神经网络的CT稀疏投影数据重建模型,可准确重建稀疏角、有限角等情况下稀疏采样的CT投影数据。但原始Air Net需要数十次迭代,其计算效率仍有待提高,一般仅用于实现二维CT重建。鉴于此,本文在Air Net基础上提出了两种新的迭代残差结构:迭代内残差和迭代间残差,改进了基于Air Net的CT重建算法。新算法在减少Air Net迭代次数,增加单次迭代中网络层数的情况下可以有效地保持重建图像质量,减少1/3的训练显存占用并提高两倍重建速度。本文所提出的方法将有助于推广Air Net模型至三维稀疏采样的CT数据重建,提高其临床应用价值。

• 单位
  生物医学工程学院; 上海交通大学