一种用于 X 射线 CT 的基于模型的深度学习重建方法
医学物理
2019-10-16 v1 图像与视频处理
摘要
低剂量 CT 近来备受关注。剂量降低会提高投影中的噪声水平并降低重建图像质量。基于模型的图像重建可将统计噪声模型与先验知识结合到一个贝叶斯优化问题中，从而显著降低噪声与伪影。本工作中，我们提出一种用于 CT 重建的基于模型的深度学习，使得重建网络可在无需真实图像的情况下训练。该网络不是对每幅图像最小化代价函数，而是学习为整个训练集最小化集成代价函数。使用此类训练好的网络对真实数据重建无需迭代。我们采用罚加权最小二乘(PWLS)代价函数进行低剂量 CT 重建，并在实际牙科 CT 数据上测试。获得了噪声大幅降低的令人鼓舞的结果。
引用
@article{arxiv.1910.06940,
title = {A Model-based Deep Learning Reconstruction for X-ray CT},
author = {Kaichao Liang and Li Zhang and Yirong Yang and HongKai Yang and Yuxiang Xing},
journal= {arXiv preprint arXiv:1910.06940},
year = {2019}
}
备注
9 pages, 3 figures, conference