结合反卷积的CT图像超分辨重建网络

摘要：

医学图像的质量对于患者疾病的诊断、治疗乃至科学研究起着重要的作用.然而,受医疗设备和放射剂量等因素的影响,医学CT图像的分辨率普遍较低.为了实现医学CT图像超分辨重建,提出一种结合反卷积的神经网络算法,通过引入反卷积操作,有效地建立了低/高分辨率图像之间端到端的映射.首先选取肺部、脑部、心脏和脊椎等部位的1500幅CT图像作为训练数据,将训练数据下采样后输入网络模型;然后建立正反卷积网络模型学习图像特征,网络模型用caffe框架实现,激活函数使用PReLU;最后基于学习到的这些特征重建出高分辨率图像,采用平均方法重建图像.实验结果表明,文中算法能够更好地重建出图像的轮廓和边缘纹理;与已有算法相比,所构建的4层网络结构在重建结果的峰值信噪比、结构相似性、信息熵及重建速度等性能指标上均取得了更好的效果.

关键词：CT图像、超分辨重建、卷积神经网络、反卷积、PReLU

所属期刊栏目：30

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金重点项目浙江联合基金U1609218;国家自然科学基金61572286, 61472220;山东省重点研发计划2017CXGC1504;山东省自然科学基金ZR2017JL029;山东省高等学校优势学科人才团队培育计划

在线出版日期：2018-11-28（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：2084-2092