基于蝴蝶网络的图像域双能CT双材料分解
医学物理
2019-06-19 v1
摘要
双能CT（DECT）因其材料分辨能力在成像应用中日益广泛使用。然而，材料分解会受到两次独立扫描CT图像噪声放大的影响，导致图像质量严重退化。现有算法因未能准确刻画DECT与基材料图像间的映射关系，分解性能欠佳。受CNN惊人潜力的启发，我们开发了新型蝴蝶网络（Butterfly network）来执行图像域双材料分解，因其对DECT中映射函数具有强逼近能力。该蝴蝶网络通过探究数据模型映射函数与网络组件间的几何关系，由图像域DECT分解模型导出。网络基于分解公式设计为双输入双输出交叉架构。其以一对双能图像作为输入，并将真实分解图像定义为各自标签。在材料分解中起重要作用的交叉架构，旨在实现网络中两条材料生成路径间的信息交换。在网络可视化中，各组件对基材料表现出不同敏感性。通过分析其对不同基材料的敏感性，我们确定了网络组件在材料分解中的角色。该可视化评估揭示了网络所能学习的内容，并验证了网络设计的合理性。对患者数据材料分解的定性与定量评估表明，所提网络优于同类方法。
引用
@article{arxiv.1804.01685,
title = {Image Domain Dual Material Decomposition for Dual-Energy CT using Butterfly Network},
author = {Wenkun Zhang and Hanming Zhang and Linyuan Wang and Xiaohui Wang and Ailong Cai and Lei Li and Tianye Niu and Bin Yan},
journal= {arXiv preprint arXiv:1804.01685},
year = {2019}
}