科研之友
微信
新浪微博
Facebook
分享链接
摘要
低剂量CT在降低辐射剂量、减少对人体伤害的同时CT的成像质量也显著下降。因此提出一种基于ResNet的卷积神经网络(RN-CNN),用来去除低剂量CT中所含的量子噪声。在正常剂量的CT图像上加入泊松噪声模拟低剂量CT图像，将模拟的低剂量CT输入RN-CNN对图像进行特征提取，引入残差网络与尺度不变的空间金字塔池化(S-SPP),避免梯度消失问题并增加网络有效特征；使用扩张卷积增大网络的感受野，保留图像内部数据结构，得到更好的分割效果；将低剂量CT图像和噪声图像分离得到正常剂量CT图。通过实验表明，该算法不仅能有效去除噪声，而且纹理细节也得以保留，与现有的算法相比较，RN-CNN去噪方法在PSNR指标上平均提高1.80,在SSIM指标上平均提高了0.078 3。
- 单位
