用于锥束伪影去除的微分背投影域深度学习
图像与视频处理
2020-06-04 v2 计算机视觉与模式识别
机器学习
机器学习
摘要
采用圆轨迹的锥束 CT 因其相对简单的几何结构而被广泛应用于各种场景。对于锥束几何，Feldkamp、Davis 和 Kress 算法被视为标准重建方法，但随着锥角增大，该算法会受到所谓锥束伪影的影响。已开发多种基于模型的迭代重建方法来减少锥束伪影，但这些算法通常需要多次计算代价高昂的正投影和背投影。本文中，我们提出了一种用于精确锥束伪影去除的新型深度学习方法。具体而言，我们设计在微分背投影域上的深度网络，对与希尔伯特变换（Hilbert transform）相关的病态反卷积问题进行数据驱动求逆。随后沿冠状和矢状方向的重建结果使用谱混合技术进行组合，以最小化谱泄漏。实验结果表明，尽管运行时间复杂度显著降低，我们的方法仍优于现有迭代方法。
引用
@article{arxiv.1906.06854,
title = {Differentiated Backprojection Domain Deep Learning for Conebeam Artifact Removal},
author = {Yoseob Han and Junyoung Kim and Jong Chul Ye},
journal= {arXiv preprint arXiv:1906.06854},
year = {2020}
}
备注
This paper is accepted for IEEE Trans. Medical Imaging