基于持续同调分析的深度残差学习用于压缩感知CT重建
计算机视觉与模式识别
2016-11-28 v2
摘要
近年来，使用稀疏投影视图的压缩感知（CS）计算机断层扫描（CT）被广泛研究，以降低患者遭受辐射的潜在风险。然而，由于投影视图数量不足，分析重建方法会产生严重的条纹伪影，而基于CS的迭代方法计算成本非常高。为了解决这一问题，本文提出了一种用于稀疏视图CT重建的新型深度残差学习方法。具体而言，基于一种表明条纹伪影流形在拓扑上比原始流形更简单的新型持续同调分析，开发了一种用于估计条纹伪影的深度残差学习架构。一旦估计出条纹伪影图像，就可以通过从输入图像中减去条纹伪影来获得无伪影图像。通过使用真实患者数据集进行大量实验，我们确认所提出的残差学习在计算速度上快了几个数量级，同时显著提升了图像重建性能。
引用
@article{arxiv.1611.06391,
title = {Deep Residual Learning for Compressed Sensing CT Reconstruction via Persistent Homology Analysis},
author = {Yo Seob Han and Jaejun Yoo and Jong Chul Ye},
journal= {arXiv preprint arXiv:1611.06391},
year = {2016}
}