用于少视角CT的双网络架构——在ImageNet数据上预训练并迁移至医学成像
图像与视频处理
2019-09-13 v6 计算机视觉与模式识别
机器学习
摘要
X射线计算机断层扫描(CT)从投影数据重建横截面图像。然而，与CT扫描相关的电离X射线辐射可能引发癌症与遗传损伤。因此，降低辐射剂量受到了广泛关注。少视角CT图像重建是降低辐射剂量的重要课题。近年来，数据驱动算法在解决少视角CT问题上展现出巨大潜力。本文提出一种双网络架构(DNA)，用于直接从正弦图重建图像。在所提DNA方法中，基于点的全连接层学习反投影过程，其所需内存显著少于现有方法。所提方法使用O(C*N*N_c)个参数，其中N与N_c分别表示重建图像的维数与投影数。C为可调参数，可设低至1。实验结果表明，DNA相对于其他SOTA方法具有竞争性性能。有趣的是，当真实患者图像数量有限时，可利用自然图像预训练DNA以避免过拟合。
引用
@article{arxiv.1907.01262,
title = {Dual Network Architecture for Few-view CT -- Trained on ImageNet Data and Transferred for Medical Imaging},
author = {Huidong Xie and Hongming Shan and Wenxiang Cong and Xiaohua Zhang and Shaohua Liu and Ruola Ning and Ge Wang},
journal= {arXiv preprint arXiv:1907.01262},
year = {2019}
}
备注
11 pages, 5 figures, 2019 SPIE Optical Engineering + Applications