用于双能CT图像重建的能量灵活网络（EF-Net）
医学物理
2023-03-08 v1
摘要
在双能计算机断层扫描（DECT）中，X射线管能量对常随目标器官或患者肥胖程度而改变。实践中，由于大多数现有基于深度学习（DL）的算法被训练为仅用于特定X射线管能量，这导致难以应用此类算法进行图像重建。本文中，我们提出1）一种能量灵活训练（EFT）方法，使网络可适用于两个已训练能量之间各种X射线管能量下测得的数据；以及2）一种用于图像重建的高效双域卷积神经网络。所提网络源自原始-对偶混合梯度算法的正则化版本，因此其架构具有展开式迭代双域结构。为验证，我们利用实验室自制多色X射线模拟器生成数据集。所提方法不仅在已训练X射线管能量下，也在未训练X射线管能量下展现出优于迭代算法及其他基于DL算法的 promising 结果。
引用
@article{arxiv.2303.03463,
title = {Energy-Flexible Network (EF-Net) for Dual-Energy CT Image Reconstruction},
author = {Donghyeon Lee and Uijin Jeong and Sungho Yun and Joonil Hwang and Seungryong Cho},
journal= {arXiv preprint arXiv:2303.03463},
year = {2023}
}
备注
23 pages, 10 figures