基于统一生成对抗网络由能量积分CT图像直接成像能量分辨CT
图像与视频处理
2019-10-15 v1 计算机视觉与模式识别
医学物理
摘要
能量分辨计算机断层扫描（ErCT）能够同时获取能量相关测量值，并以改善的对比度噪声比提供定量材料信息。同时，ErCT成像系统通常配备先进的光子计数探测器，其成本高且技术复杂。因此，临床ErCT扫描仪尚未商业化，且处于不同的完成阶段。这使得研究人员较难获取ErCT图像。本工作中，我们研究通过深度神经网络由现有能量积分CT（EiCT）图像直接生成ErCT图像。具体而言，不同于其他在特定能量下生成ErCT图像的网络，本模型采用统一生成对抗网络（uGAN）对具有不同能量的EiCT数据集与ErCT数据集进行联合训练，然后从现有EiCT图像到多个不同能量段的ErCT图像输出执行图像到图像的转换。在本研究中，该uGAN由140kVp的EiCT图像同时生成70keV、90keV、110keV和130keV下的ErCT图像。我们在一组超过1380张CT图像切片上评估了该uGAN模型，并表明与真值相比，该uGAN模型在定性与定量上均能给出有前景的ErCT估计结果。
引用
@article{arxiv.1910.06154,
title = {Direct Energy-resolving CT Imaging via Energy-integrating CT images using a Unified Generative Adversarial Network},
author = {Lisha Yao and Sui Li and Manman Zhu and Dong Zeng and Zhaoying Bian and Jianhua Ma},
journal= {arXiv preprint arXiv:1910.06154},
year = {2019}
}
备注
5 pages, 3 figures, Accepted by MIC/NSS 2019