基于空间与通道压缩激励卷积神经网络的高质量低剂量 CT 重建
图像与视频处理
2021-04-02 v1 计算机视觉与模式识别
摘要
低剂量计算机断层扫描（CT）可在临床应用中降低辐射风险，但代价是图像质量下降，从而损害放射科医生的诊断准确性。本文提出一种高质量成像网络（HQINet）用于从低剂量计算机断层扫描（CT）采集数据中重建 CT 图像。HQINet 是一种卷积编码器-解码器结构，其中编码器用于从三个连续切片中提取空间与时间信息，而解码器用于恢复中间切片的空间信息。我们在来自低剂量 CT 图像与投影数据（LDCT-and-Projection-data）的真实投影数据上提供了实验结果，表明所提方法在图像质量方面取得显著性能提升，峰值信噪比（PSNR）提高 5.5dB，互信息（MI）提高 0.29。
引用
@article{arxiv.2104.00325,
title = {High-quality Low-dose CT Reconstruction Using Convolutional Neural Networks with Spatial and Channel Squeeze and Excitation},
author = {Jingfeng Lu and Shuo Wang and Ping Li and Dong Ye},
journal= {arXiv preprint arXiv:2104.00325},
year = {2021}
}