用于压缩感知 CT 重建的卷积稀疏编码
医学物理
2019-03-21 v1 计算机视觉与模式识别
摘要
过去几年中，基于字典学习（DL）的方法已成功应用于多种图像重建问题。然而，传统的基于 DL 的计算机断层扫描（CT）重建方法基于图像块，忽略了重叠块中像素的一致性。此外，这些方法学习到的特征总是包含相同特征的位移版本。近年来，卷积稀疏编码（CSC）被提出以解决这些问题。受 CSC 在信号处理领域若干成功应用的启发，本文探索了 CSC 在稀疏视角 CT 重建中的潜力。所提方法直接作用于整幅图像，无需像基于 DL 的方法那样将图像划分为重叠块，从而能够保留更多细节并避免由块聚合引起的伪影。在给定滤波器的情况下，我们采用交替优化方案来求解目标函数。我们利用模拟和真实 CT 数据进行了大量实验以验证所提方法的有效性。定性与定量结果表明，所提方法的性能优于几种现有的最先进（state-of-the-art）方法。
引用
@article{arxiv.1903.08549,
title = {Convolutional Sparse Coding for Compressed Sensing CT Reconstruction},
author = {Peng Bao and Wenjun Xia and Kang Yang and Weiyan Chen and Mianyi Chen and Yan Xi and Shanzhou Niu and Jiliu Zhou and He Zhang and Huaiqiang Sun and Zhangyang Wang and Yi Zhang},
journal= {arXiv preprint arXiv:1903.08549},
year = {2019}
}
备注
Accepted by IEEE TMI