基于Transformer块的混合域网络稀疏角度CT成像

作者：张庭宇; 吴凡; 金潼; 孙宇; 刘进^*; 亢艳芹

来源：重庆工商大学学报(自然科学版), 2023, 1-13.

• 深度学习
• 图像修复
• Transformer模块
• 混合域

【目的】：针对计算机断层扫描（Computed Tomography，CT）中由于不完全的扫描数据，导致图像噪声伪影严重，提出了一种基于Transformer块的混合域网络稀疏角度CT成像算法（Hybrid Domain network for sparse view CT imaging based on Transformer，HDTransformer）；【方法】：算法的主要思想是借助于新型的Transformer网络，构建适用于多阶段稀疏角度CT投影数据及图像数据的处理流，以提高稀疏角度CT图像重建质量。与现有的两阶段混合域处理方法相比，本方法采用图像域—投影域—图像域三阶段混合处理流程，通过多阶段信息的联合互补提高成像质量。此外，针对不同阶段数据噪声伪影特点设计不同的Transformer 块，以实现差异化的处理。更进一步，算法采用可微分的解析重建和投影运算，建立投影域与图像域数据的转换，最终实现端到端的稀疏角度CT优质成像流；【结果】：通过Mayo数据实验验证，其视觉结果表明:处理后的不同部位CT图像噪声伪影均能够得到较好的抑制;量化结果表明:处理后的CT图像的峰值信噪比和特征相似性均优于对比方法；【结论】：实验的定性和定量结果表明，所提算法在去除图像伪影噪声方面要优于其他算法，具有更高的质量，验证了该方法的有效性。

• 单位
  安徽工程大学