-
题名用于环形伪影去除的非线性无激活卷积去噪网络
- 1
-
-
作者
唐瑶瑶
朱叶晨
刘仰川
高欣
-
机构
山东中医药大学医学信息工程学院
济南国科医工科技发展有限公司
中国科学院苏州生物医学工程技术研究所医学影像技术研究室
-
出处
《计算机应用》
北大核心
2025年第S1期67-71,共5页
-
基金
国家重点研发计划项目(2022YFC2408400)
国家自然科学基金资助项目(81871439)
+2 种基金
山东省重点研发计划项目(2021SFGC0104)
江苏省重点研发计划项目(BE2021663)
苏州科技计划项目(SJC20211014)。
-
文摘
环形伪影通常由探测器像素非均匀响应导致,在计算机断层扫描(CT)图像中呈现为同心多层圆环。该伪影会导致CT图像清晰度和CT值准确性的下降,进而影响医生对病灶的诊断。为此,提出一种用于CT图像环形伪影去除的非线性无激活卷积去噪网络(NAF-CDNet)。所提网络通过在一种U型网络中引入非线性无激活(NAF)网络模块和联合损失函数减少计算量,同时保持图像结构和灰度。为训练和测试所提网络,利用螺旋CT图像制作仿真数据,并利用锥束CT采集真实数据。在仿真数据测试中,相较于UNet,NAF-CDNet的峰值信噪比(PSNR)和结构相似性(SSIM)分别提升了0.377 7 dB、0.015 5,均方根误差(RMSE)和平均绝对误差(MAE)分别下降了3.092 6、3.229 2,参数量和计算量分别减少了30.8×10^(6)、2.29×10^(9)浮点运算次数(FLOPs)。在真实数据测试中,相较于2个传统算法和5个深度学习网络,NAF-CDNet的主观评价更好。这些结果表明,所提网络在环形伪影去除方面表现优异,具备潜在应用价值。
-
关键词
计算机断层扫描图像
环形伪影去除
深度学习
非线性无激活
联合损失函数
-
Keywords
Computed Tomography(CT)image
ring artifact removal
deep learning
Nonlinear Activation Free(NAF)
joint loss function
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名CT图像环形伪影去除方法研究现状及展望
被引量：1
- 2
-
-
作者
唐瑶瑶
朱叶晨
刘仰川
高欣
-
机构
山东中医药大学智能与信息工程学院
济南国科医工科技发展有限公司
中国科学院苏州生物医学工程技术研究所医学影像技术研究室
-
出处
《计算机应用》
CSCD
北大核心
2024年第3期890-900,共11页
-
基金
国家重点研发计划项目(2022YFC2408400)
国家自然科学基金资助项目(81871439)
+2 种基金
山东省重点研发计划项目(2021SFGC0104)
江苏省重点研发计划项目(BE2021663)
苏州科技计划项目(SJC20211014)。
-
文摘
环形伪影是各类型计算机断层扫描(CT)图像中最常见的伪影之一,通常是由于探测器像素对X射线响应不一致导致的。有效去除环形伪影能极大提高CT图像质量,提升后期诊断和分析的精度,是CT图像重建中的必要步骤。因此,对环形伪影去除(又称“环形伪影校正”)方法进行了系统梳理。首先,介绍环形伪影的表现和成因,给出常用的数据集、算法库;其次,依次介绍基于探测器校正、基于解析和迭代求解(分为投影数据预处理、CT图像重建、CT图像后处理环节)、基于深度学习(分为卷积神经网络、生成对抗网络)的环形伪影去除方法,并分析每类方法的原理、发展过程及优缺点;最后,归纳现有环形伪影去除方法在鲁棒性、数据集多样化、模型构建等方面存在的技术瓶颈,并对解决方案进行展望。
-
关键词
计算机断层扫描图像
投影数据
环形伪影去除
环形伪影校正
深度学习
-
Keywords
Computed Tomography(CT)image
projection data
ring artifact removal
ring artifact correction
deep learning
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
