用于少视角乳腺CT图像重建的深度高效端到端重建（DEER）网络
图像与视频处理
2020-11-05 v3 计算机视觉与模式识别
机器学习
机器学习
摘要
乳腺CT提供高对比度下各向同性的分辨率图像体，能够检测微小钙化（尺寸小至几百微米）和细微密度差异。由于乳腺对X射线辐射敏感，乳腺CT的剂量降低是一个重要课题，为此，少视角扫描是一种主要方法。在本文中，我们提出了一种用于少视角乳腺CT图像重建的深度高效端到端重建（DEER）网络。我们网络的主要优点包括高剂量效率、优异的图像质量和低模型复杂度。通过设计，所提网络可用少至O(N)个参数学习重建过程，其中N为待重建图像的边长，这相对于直接将原始数据映射到断层图像的先进基于深度学习的重建方法而言代表了数量级的改进。此外，在Koning Corporation商用扫描仪上准备的锥束乳腺CT数据集上验证，我们的方法在图像质量方面展示了相对于先进重建网络的竞争力。本文源代码可在 https://github.com/HuidongXie/DEER 获取。
引用
@article{arxiv.1912.04278,
title = {Deep Efficient End-to-end Reconstruction (DEER) Network for Few-view Breast CT Image Reconstruction},
author = {Huidong Xie and Hongming Shan and Wenxiang Cong and Chi Liu and Xiaohua Zhang and Shaohua Liu and Ruola Ning and Ge Wang},
journal= {arXiv preprint arXiv:1912.04278},
year = {2020}
}