X射线CT中2.5D深度学习网络的MBIR训练
图像与视频处理
2023-09-26 v1
摘要
在计算机断层成像中，基于模型的迭代重建方法通常比更传统、更快的滤波反投影技术展现出更好的图像质量。我们需要付出的代价是MBIR计算成本高昂。在本工作中，我们训练一个2.5D深度学习（DL）网络来模拟MBIR质量图像。该网络由改进的Unet实现，并使用临床FBP与MBIR图像对进行训练。我们以更快的速度和低得多的计算成本实现了MBIR图像的质量。在视觉上以及就噪声功率谱（NPS）而言，DL-MBIR图像具有与MBIR相似的纹理，且噪声功率降低。图像剖面图、NPS图、标准差等表明，DL-MBIR图像成功仿真了MBIR算子。
引用
@article{arxiv.2309.13399,
title = {MBIR Training for a 2.5D DL network in X-ray CT},
author = {Obaidullah Rahman and Madhuri Nagare and Ken D. Sauer and Charles A. Bouman and Roman Melnyk and Brian Nett and Jie Tang},
journal= {arXiv preprint arXiv:2309.13399},
year = {2023}
}