用于多期相冠脉CT血管造影的循环一致性对抗去噪网络
计算机视觉与模式识别
2019-03-06 v3 人工智能
机器学习
机器学习
摘要
在冠脉CT血管造影中，检查期间会在不同辐射剂量水平下采集一系列CT图像。尽管这降低了总辐射剂量，但低剂量期相的图像质量显著下降。为解决此问题，我们提出了一种新颖的半监督学习技术，通过从常规剂量期相的CT图像中学习，去除低剂量期相所获CT图像的噪声。由于两期相 underlying 心脏结构存在差异，监督学习方法不可行，但两期相图像密切相关，因此我们提出一种循环一致性对抗去噪网络，以学习低剂量与高剂量心脏期相之间的非退化映射。实验结果表明，所提方法在保留详细纹理与边缘信息的同时，有效降低了低剂量CT图像中的噪声。此外，得益于循环一致性与恒等损失，所提网络不会生成输入图像中不存在的任何人为特征。视觉评分与质量评估也证实，所提方法在诊断质量上提供了显著改善。
引用
@article{arxiv.1806.09748,
title = {Cycle Consistent Adversarial Denoising Network for Multiphase Coronary CT Angiography},
author = {Eunhee Kang and Hyun Jung Koo and Dong Hyun Yang and Joon Bum Seo and Jong Chul Ye},
journal= {arXiv preprint arXiv:1806.09748},
year = {2019}
}
备注
This work is accepted in Medical Physics