基于深度神经网络的稀疏视角 CT 图像重建正弦图合成
医学物理
2018-09-05 v2 计算机视觉与模式识别
图像与视频处理
摘要
近来，许多低剂量计算机断层扫描（CT）的方法已被开发并部署于商用 CT 扫描仪中。管电流降低或许是与先进图像重建算法一同被最积极探索的技术。稀疏数据采样是低剂量 CT 的另一种可行选择，其中稀疏视角 CT 尤其受到 CT 界研究人员的关注。由于解析图像重建算法会导致严重的图像伪影，各种迭代算法已被开发用于从稀疏视角采样的投影数据重建图像。然而，迭代算法比解析算法耗时更长，且图像通常容易出现严重依赖重建参数的各类图像伪影。插值方法亦被用于填补稀疏视角 CT 正弦图中的缺失数据，从而为解析图像重建提供合成的全数据。本工作中，我们引入一种深度神经网络赋能的正弦图合成方法用于稀疏视角 CT，并展示其相对于现有插值方法以及迭代图像重建方法的优越性。
引用
@article{arxiv.1803.00694,
title = {Deep-neural-network based sinogram synthesis for sparse-view CT image reconstruction},
author = {Hoyeon Lee and Jongha Lee and Hyeongseok Kim and Byungchul Cho and Seungryong Cho},
journal= {arXiv preprint arXiv:1803.00694},
year = {2018}
}