文献类型：期刊文章

作　　者：赵桂宸[1] 陈平[1]

ZHAO Guichen;CHEN Ping(Shanxi Provincial Key Laboratory of Signal Capturing and Processing, College of Information and Communication Engineering, North of China University, Taiyuan 201800, China)

机构地区：[1]中北大学信息与通信工程学院信息探测与处理山西省重点实验室,山西太原201800

出　　处：《测试技术学报》

年　　份：2021

卷　　号：35

期　　号：3

起止页码：229-236

语　　种：中文

收录情况：AJ、SCOPUS、ZGKJHX、普通刊

摘　　要：现有的低剂量CT图像去噪算法大多依赖于大样本的配对数据进行训练,而在实际中,很难同时获得同一患者的低剂量CT图像和常规剂量CT图像,从而导致训练样本量的不足.针对这一问题,本文在配对图像不足的条件下,提出了一种基于模块化神经网络的低剂量CT图像去噪算法.该方法采用模块化子网络串联,在子网络内部应用跨层连接增加特征图利用率,并且引入了一种新型的二次卷积提高去噪效果.实验表明,在缺少配对数据的弱监督条件下,该网络可以有效降低低剂量CT图像噪声,显著提升低剂量CT图像的视觉质量和客观评价指标.与目前的方法相比,本文所提出的网络可以更好地在弱监督条件下减少低剂量CT图像噪声.

关 键 词：模块化网络 二次卷积  低剂量CT 深度学习  弱监督  

分 类 号：TP391.41]