由图像流形先验辅助的低剂量 CT 重建
医学物理
2018-10-30 v1
摘要
X 射线计算机断层扫描（CT）是医学影像中获取患者解剖结构直接可视化的重要手段。然而，X 射线辐射暴露引发了终身癌症风险的担忧。低剂量 CT 扫描可降低患者辐射暴露，但因噪声与伪影的出现，图像质量通常下降。已有大量研究对 CT 图像进行正则化以改善图像质量。然而，探索真实 CT 图像所驻留的底层流形仍是一个开放问题。本文中，我们提出一种完全数据驱动的流形学习方法，融合了新兴的深度学习技术。我们建立了编码器-解码器卷积神经网络，将 CT 图像映射到其内在低维流形，并从其相应流形表示恢复 CT 图像。我们开发了由所学流形先验辅助的新型重建算法，以实现高质量低剂量 CT 重建。为证明所提框架的有效性，使用患者腹部 CT 图像进行了网络训练、测试与综合仿真研究。所训练的编码器-解码器 CNN 能够恢复平均误差约 20 HU 的高质量 CT 图像。此外，所提流形先验辅助重建方案实现了高质量低剂量 CT 重建，平均重建误差 < 30 HU，分别比滤波反投影法与基于全变分的迭代重建法低五倍以上和两倍以上。
引用
@article{arxiv.1810.12255,
title = {Low dose CT reconstruction assisted by an image manifold prior},
author = {Guoyang Ma and Chenyang Shen and Xun Jia},
journal= {arXiv preprint arXiv:1810.12255},
year = {2018}
}