基于图像先验的深度正弦图补全用于CT图像金属伪影抑制
图像与视频处理
2020-09-17 v1 计算机视觉与模式识别
摘要
计算机断层扫描(CT)已广泛用于医学诊断、评估以及治疗规划与引导。实际上,当存在金属物体时,CT图像可能受到不利影响,导致严重的金属伪影,并影响临床诊断或放射治疗中的剂量计算。本文中,我们提出了一种可泛化的金属伪影抑制(MAR)框架,同时利用图像域和正弦图域MAR技术的优势。我们将框架表述为正弦图补全问题,并训练神经网络(SinoNet)以修复受金属影响的投影。为改善补全投影在金属轨迹边界处的连续性,从而减轻重建CT图像中的新伪影,我们训练另一个神经网络(PriorNet)生成良好的先验图像以引导正弦图学习,并进一步设计一种新颖的残差正弦图学习策略,有效利用先验图像信息以实现更好的正弦图补全。两个网络以端到端方式联合训练,并采用可微分的正向投影(FP)操作,使先验图像生成与深度正弦图补全过程相互促进。最后,利用滤波反投影(FBP)从补全的正弦图重建出伪影抑制后的CT图像。在模拟和真实伪影数据上的大量实验表明,我们的方法在保留解剖结构的同时产生了更优的伪影抑制结果,并优于其他MAR方法。
引用
@article{arxiv.2009.07469,
title = {Deep Sinogram Completion with Image Prior for Metal Artifact Reduction in CT Images},
author = {Lequan Yu and Zhicheng Zhang and Xiaomeng Li and Lei Xing},
journal= {arXiv preprint arXiv:2009.07469},
year = {2020}
}
备注
Accepted by IEEE Transactions on Medical Imaging