基于卷积神经网络的X射线计算机断层扫描金属伪影抑制
医学物理
2018-04-23 v2
摘要
在存在金属植入物的情况下，X射线CT图像中会出现金属伪影。尽管过去几十年提出了大量金属伪影抑制（MAR）方法，MAR仍是临床X射线CT中的主要问题之一。本工作中，我们开发了一个基于卷积神经网络（CNN）的开放式MAR框架，其融合原始图像与校正图像的信息以抑制伪影。所提方法包括两个阶段。在CNN训练阶段，我们构建一个包含无金属、插入金属及预校正CT图像的数据库，并提取图像块用于CNN训练。在MAR阶段，未校正与预校正图像作为训练后CNN的输入，生成伪影减少的CNN图像。为进一步减少残留伪影，将CNN图像中的水等效组织设为统一值以产生CNN先验，其前向投影用于替换受金属影响的投影，随后进行FBP重建。所提方法的有效性在模拟与真实数据上均得到验证。实验结果表明，在伪影抑制及金属植入物邻近解剖结构保存方面，所提方法相较对比方法具有更优的MAR能力。
引用
@article{arxiv.1709.01581,
title = {Convolutional Neural Network Based Metal Artifact Reduction in X-ray Computed Tomography},
author = {Yanbo Zhang and Hengyong Yu},
journal= {arXiv preprint arXiv:1709.01581},
year = {2018}
}