用于少视角数据三维 CT 的深度编解码对抗重建(DEAR)网络
图像与视频处理
2019-12-17 v2 计算机视觉与模式识别
摘要
X 射线计算机断层扫描(CT)在临床实践中被广泛使用。然而，所涉及的电离 X 射线辐射可能增加癌症风险。因此，降低辐射剂量是近年来的重要课题。少视角 CT 图像重建是最小化辐射剂量并潜在允许固定式 CT 架构的主要途径之一。本文中，我们提出一种深度编解码对抗重建(DEAR)网络，用于从少视角数据进行三维 CT 图像重建。由于少视角重建引起的伪影出现在三维而非二维几何中，三维深度网络在以数据驱动方式改善图像质量方面具有很大潜力。更具体地，我们提出的 DEAR-3D 网络旨在直接从临床三维螺旋锥束图像数据重建三维体数据。DEAR 在由梅奥诊所(Mayo Clinic)准备并授权的公开腹部 CT 数据集上进行了验证。与其他二维深度学习方法相比，所提出的 DEAR-3D 网络能利用三维信息产生有前景的重建结果。
引用
@article{arxiv.1911.05880,
title = {Deep Encoder-decoder Adversarial Reconstruction (DEAR) Network for 3D CT from Few-view Data},
author = {Huidong Xie and Hongming Shan and Ge Wang},
journal= {arXiv preprint arXiv:1911.05880},
year = {2019}
}