FreeSeed：用于稀疏视角 CT 重建的频率带感知自引导网络
图像与视频处理
2023-10-03 v1 计算机视觉与模式识别
摘要
稀疏视角计算机断层扫描（CT）是一种有前景的方案，可加快扫描过程并减少患者辐射暴露，然而重建图像包含严重的条纹伪影，影响后续筛查与诊断。近来，基于深度学习的图像后处理方法及其双域对应方法已展现出良好前景。但现有方法通常因（1）难以在图像域准确建模伪影模式，以及（2）损失函数中对每个像素的同等处理，而产生过度平滑且细节丢失的图像。为解决这些问题，我们聚焦于图像后处理，提出一种简洁而有效的频率带感知（FREquency-band-awarE）与自引导（SElf-guidED）网络，称为 FreeSeed，其能有效去除伪影并从受污染的稀疏视角 CT 图像中恢复缺失细节。具体而言，我们首先提出频率带感知伪影建模网络（FreeNet），其在傅里叶域学习伪影相关频率带注意力，以更好地建模稀疏视角 CT 图像上全局分布的条纹伪影。随后我们引入自引导伪影细化网络（SeedNet），利用预测的伪影辅助 FreeNet 继续细化严重损坏的细节。大量实验证明了 FreeSeed 及其双域对应方法相对于最先进的稀疏视角 CT 重建方法的优越性能。源代码见 https://github.com/Masaaki-75/freeseed。
引用
@article{arxiv.2307.05890,
title = {FreeSeed: Frequency-band-aware and Self-guided Network for Sparse-view CT Reconstruction},
author = {Chenglong Ma and Zilong Li and Junping Zhang and Yi Zhang and Hongming Shan},
journal= {arXiv preprint arXiv:2307.05890},
year = {2023}
}
备注
MICCAI 2023