基于CNN和Transformer耦合网络的低剂量CT图像重建方法

摘要：

在投影角度个数不变的情况下,降低每个角度下的射线剂量,是一种有效的低剂量CT实现方式,然而,这会使得重建图像的噪声较大.当前,以卷积神经网络(CNN)为代表的深度学习图像去噪方法已经成为低剂量CT图像去噪的经典方法.受Transformer在计算机视觉任务中展现的良好性能的启发,本文提出一种CNN和Transformer耦合的网络(CTC),以进一步提高CT图像去噪的性能.CTC网络综合运用CNN的局部信息关联能力和Transformer的全局信息捕捉能力,构建8个由CNN部件和一种改进的Transformer部件构成的核心网络块,并基于残差连接机制和信息复用机制将之互联.与现有4种去噪网络比较,CTC网络去噪能力更强,可以实现高精度低剂量CT图像重建.

关键词：低剂量CT、自注意力机制、卷积神经网络、残差连接

所属期刊栏目：31

分类号：O242;TP391.41(计算数学)

资助基金：国家自然科学基金;中央引导地方科技发展资金项目;山西省重点研发计划;山西省留学人员科技活动择优资助项目;山西省回国留学人员科研资助项目

在线出版日期：2022-12-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：697-707