基于稠密 Transformer 的增强编码网络用于无监督金属伪影抑制
计算机视觉与模式识别
2023-07-31 v2 图像与视频处理
摘要
受金属伪影污染的 CT 图像对临床诊断有严重负面影响。考虑到临床环境中难以收集带真实值的配对数据,无监督金属伪影抑制方法备受关注。然而,先前的无监督方法难以在保留 CT 图像结构信息的同时处理金属伪影的非局部特性。为应对这些挑战,我们提出了一种新颖的基于稠密 Transformer 的增强编码网络(DTEC-Net)用于无监督金属伪影抑制。具体而言,我们引入由高阶稠密过程和 transformer 支撑的分层解耦编码器,以获得具有长程对应关系的稠密编码序列。然后,我们提出二阶解耦方法以改进稠密序列的解码过程。大量实验与模型讨论说明了 DTEC-Net 的有效性,其在基准数据集上优于先前最先进的方法,并在恢复更丰富纹理细节的同时大幅减少金属伪影。
引用
@article{arxiv.2307.12717,
title = {Dense Transformer based Enhanced Coding Network for Unsupervised Metal Artifact Reduction},
author = {Wangduo Xie and Matthew B. Blaschko},
journal= {arXiv preprint arXiv:2307.12717},
year = {2023}
}