科研之友
微信
新浪微博
Facebook
分享链接
摘要
低剂量CT是减少辐射剂量，降低对患者影响的有效方法。然而降低辐射剂量会导致重建之后的成像存在大量的噪声，并且会造成低剂量CT图像细节的丢失，从而影响医师在诊断过程中的判断。针对这个问题，构建了一种多阶段去噪网络模型，并在此基础上引入了由可训练的Sobel卷积构成的边缘保护模块来增强对图像边缘细节的保护。此外，为了综合考虑每个阶段的输出在训练过程中的影响，在每个阶段引入Charbonnier loss并将其叠加作为损失函数。实验结果表明，所提算法相较于对比算法取得了最优的去噪结果，并实现了对图像边缘细节的保护，同时在预测时间上也取得了优秀的表现。
-
单位电子信息工程学院; 河北工业大学
