基于多尺度小波残差网络的稀疏角度CT图像恢复

摘要：

目的 稀疏角度CT具有加速数据采集和减少辐射剂量的优点.然而,由于采集信息的减少,使用传统滤波反投影算法(FBP)进行重建得到的图像中伴有严重的条形伪影和噪声.针对这一问题,本文提出基于多尺度小波残差网络(MWResNet)对稀疏角度CT图像进行恢复.方法 本网络中将小波网络与残差块相结合,用以增强网络对图像特征的提取能力和加快网络训练效率.实验中使用真实的螺旋几何CT图像数据"Low-dose CT Grand Challenge"数据集训练网络.通过观察图像表征和计算定量参数的方法对结果 进行评估,并与其他现有网络进行比较,包括图像恢复迭代残差卷积网络(IRLNet),残差编码解码卷积神经网络(REDCNN)和FBP卷积神经网络(FBPConvNet).结果 实验结果表明,本文提出的多尺度小波残差网络优于其余对比方法.结论 本文提出的MWResNet网络能够在保持稀疏角度CT图像边缘细节信息的同时有效抑制噪声和伪影.

关键词：稀疏角度CT、残差网络、多尺度小波变换

所属期刊栏目：39

资助基金：国家自然科学基金U1708261,81701690,61571214, 61701217;广州市科技计划项目201705030009;广东省科技计划项目2015B020233008,2017B020229004

在线出版日期：2019-12-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1320-1328