基于多尺度卷积神经网络的低剂量CT图像后处理

作者：司菁菁^*; 张宁; 赵熙; 程银波

来源：燕山大学学报, 2022, 46(04): 362-370.

• 低剂量CT
• 后处理
• 卷积神经网络
• 多尺度

低剂量CT通过降低X射线的剂量，减轻电离辐射对人体造成的伤害。然而，基于低剂量X射线重建出的CT图像通常含有大量的噪声与伪影，降低了图像的可读性。本文引入图像金字塔模型，结合残差结构，设计了一种基于多尺度双层卷积神经网络(Multi-scale Double-layer Convolutional Neural Network, MD-CNN)的低剂量CT图像后处理方案。该方案在图像金字塔模型的多尺度框架下，利用双层残差网络提取并融合不同尺度下的图像细节特征，提高重建图像的清晰度。利用实际人体胸部与腹部CT图像进行的实验表明，MD-CNN方案能够在有效去除低剂量CT图像中的噪声与伪影的同时，保留图像细节特征。与基于RED-CNN的低剂量CT图像后处理方案相比，MD-CNN方案重建图像的峰值信噪比平均提高了0.75 dB。

• 单位
  燕山大学; 河北农业大学