一种用于稀疏视角CT重建的轻量双域注意力框架
图像与视频处理
2022-02-22 v1 计算机视觉与模式识别
摘要
计算机断层扫描(CT)在临床诊断中起着至关重要的作用。由于辐射对患者的不良影响，期望将辐射剂量尽可能降低。稀疏采样是一种有效方式，但会导致重建CT图像上出现严重伪影，因此稀疏视角CT图像重建成为一个流行且具挑战的研究领域。随着移动设备的普及，对轻量与实时网络的需求正迅速增长。本文中，我们设计了一种称为CAGAN的新型轻量网络，并提出了一种用于平行束稀疏视角CT的双域重建流程。CAGAN是一种对抗式自编码器，结合了保留特征空间信息的坐标注意力单元。同时，Shuffle Blocks的应用在不牺牲性能的前提下将参数量减少了四分之一。在Radon域中，CAGAN学习插值数据与无条纹投影数据之间的映射。 restored Radon数据重建为图像后，该图像被送入第二个训练用于恢复细节的CAGAN，从而获得高质量图像。实验表明，CAGAN在模型复杂度与性能间取得了极佳平衡，且我们的流程优于DD-Net和DuDoNet。
引用
@article{arxiv.2202.09609,
title = {A Lightweight Dual-Domain Attention Framework for Sparse-View CT Reconstruction},
author = {Chang Sun and Ken Deng and Yitong Liu and Hongwen Yang},
journal= {arXiv preprint arXiv:2202.09609},
year = {2022}
}