科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对通过机器学习方法进行低剂量CT重建的算法过度依赖成对图例的问题，提出了一种基于迭代非对称盲点网络的低剂量CT重建算法。首先，通过像素混洗下采样盲点网络对低剂量CT进行自监督训练，得到初步重建的CT图像；其次，建立迭代模型，迭代使用前一网络得到的结果图像作为本网络的低剂量输入进行训练，以得到最终网络模型；最后，采用非对称的方式，对像素混洗下采样的步幅进行调整，以尽可能地减少混叠伪影，得到最终的可用模型。理论分析和实验结果表明，与传统低剂量CT重建算法相比，基于迭代非对称盲点网络算法可以极大地减少低剂量CT重建算法对成对图例的依赖，且其生成结果在在图像质量、纹理特征和结构方面优于传统方法。
- 单位
