用于减少金属伪影的基于机器学习的 CT 图像非线性分解
医学物理
2017-08-02 v1
摘要
包含金属物体的计算机断层扫描 (CT) 图像通常显示出严重的条纹和阴影伪影。金属伪影是由非线性束硬化效应与散射和 Poisson 噪声等其他因素共同造成的。在本文中，我们提出了一种特定于植入物的方法，该方法可以从 CT 图像中提取束硬化伪影而不影响背景图像。我们发现，在将金属插入水（或组织）的情况下，通过减去仅由金属产生的伪影，可以近似提取生成的束硬化伪影。我们使用深度学习技术来训练由金属引起的束硬化伪影的非线性表示，这些伪影表现为阴影和条纹伪影。所提出的网络并非旨在识别真实 CT 图像（即被金属伪影破坏之前的 CT 图像）。因此，训练不需要这些图像。所提出的方法在包含模拟髋关节假体的骨盆真实 CT 扫描数据集上进行了测试。结果表明，所提出的深度学习方法成功提取了阴影和条纹伪影。
引用
@article{arxiv.1708.00244,
title = {Machine-learning-based nonlinear decomposition of CT images for metal artifact reduction},
author = {Hyung Suk Park and Sung Min Lee and Hwa Pyung Kim and Jin Keun Seo},
journal= {arXiv preprint arXiv:1708.00244},
year = {2017}
}