采用空间频率与图像域感知损失函数的低剂量CT增强网络
图像与视频处理
2020-05-28 v2 医学物理
摘要
我们提出了一种在空间频率域和图像域中运作的双域级联 U-net（即“W-net”），用于增强低剂量 CT（LDCT）图像，而无需专有的 X 射线投影数据。中心切片定理启发了使用空间频率域替代原始正弦图。数据来自 AAPM 低剂量 Grand Challenge。使用多尺度结构相似性和平均绝对误差损失函数训练了傅里叶空间（F）和/或图像域（I）U-net 及 W-net 的组合，以对滤波反投影（FBP）LDCT 图像进行去噪，同时保持对诊断准确性重要的感知特征。深度学习增强在定量和定性性能上均优于 FBP LDCT 图像，且双域 W-net 优于单域 U-net 级联。我们的结果表明，空间频率学习与图像域处理相结合，可以产生比仅图像域网络更优的 LDCT 增强效果。
引用
@article{arxiv.2005.11852,
title = {Low-dose CT Enhancement Network with a Perceptual Loss Function in the Spatial Frequency and Image Domains},
author = {Kevin J. Chung and Roberto Souza and Richard Frayne and Ting-Yim Lee},
journal= {arXiv preprint arXiv:2005.11852},
year = {2020}
}