基于感知损失的级联卷积神经网络低剂量CT去噪
图像与视频处理
2024-09-05 v1 计算机视觉与模式识别
摘要
低剂量 CT 去噪研究旨在降低患者辐射暴露风险。近来研究者使用深度学习对低剂量 CT 图像去噪，取得了有前景的结果。然而，使用均方误差（MSE）的方法往往过度平滑图像，导致图像低对比度区域的精细结构细节丢失。这些区域通常对诊断至关重要，必须被保留才能使低剂量 CT 在实践中有效应用。本工作中我们使用两个神经网络的级联：第一个通过网络最小化感知损失从低剂量 CT 重建正常剂量 CT，第二个预测真实值与感知损失网络预测值之间的差异。我们表明该方法优于相关工作的表现，并更有效地重建图像低对比度区域的精细结构细节。
引用
@article{arxiv.2006.14738,
title = {Cascaded Convolutional Neural Networks with Perceptual Loss for Low Dose CT Denoising},
author = {Sepehr Ataei and Javad Alirezaie and Paul Babyn},
journal= {arXiv preprint arXiv:2006.14738},
year = {2024}
}