用于低剂量X射线CT去噪的深度高分辨率网络
图像与视频处理
2021-02-02 v1 计算机视觉与模式识别
摘要
低剂量计算机断层扫描（LDCT）因减少患者辐射而在临床上备受青睐。然而，LDCT图像的质量常因不可避免的强量子噪声而欠佳。受其在计算机视觉中前所未有的成功启发，基于深度学习（DL）的技术已被用于LDCT去噪。尽管DL模型具有可观的噪声去除能力，但人们观察到DL去噪图像的分辨率被牺牲，降低了其临床价值。为缓解此问题，在本工作中，我们通过引入高分辨率网络（HRNet）开发了一种更有效的去噪器。由于HRNet由多分支子网络组成以提取多尺度特征并随后融合，所生成特征的质量可大幅增强，从而改善去噪性能。实验结果表明，所引入的基于HRNet的去噪器在更优的图像分辨率保持能力方面优于基准的基于UNet的去噪器，同时具有相当（甚至更好）的噪声抑制能力。以均方根误差（RMSE）/结构相似性指数（SSIM）衡量的定量指标显示，基于HRNet的去噪器可将数值从113.80/0.550（LDCT）提升至55.24/0.745（HRNet），而基于UNet的去噪器为59.87/0.712。
引用
@article{arxiv.2102.00599,
title = {Deep High-Resolution Network for Low Dose X-ray CT Denoising},
author = {Ti Bai and Dan Nguyen and Biling Wang and Steve Jiang},
journal= {arXiv preprint arXiv:2102.00599},
year = {2021}
}