用于低剂量 CT 图像重建的 Momentum-Net
图像与视频处理
2020-09-10 v4 机器学习
信号处理
摘要
本文将近期快速迭代神经网络框架 Momentum-Net 结合适当模型应用于低剂量 X 射线计算机断层扫描（LDCT）图像重建。在所提 Momentum-Net 的每一层，基于模型的重建模块求解 Majorized Penalized Weighted Least-Square 问题，图像精炼模块使用四层卷积神经网络（CNN）。采用 NIH AAPM-Mayo Clinic Low Dose CT Grand Challenge 数据集的实验结果表明，与 LDCT 中最先进的基于非迭代图像去噪的深度神经网络（NN）WavResNet 相比，所提 Momentum-Net 架构显著提升了图像重建精度。我们还研究了应用于图像精炼 NN 学习以满足非扩张 NN 性质的谱归一化技术；然而实验结果表明这并未改善 Momentum-Net 的图像重建性能。
引用
@article{arxiv.2002.12018,
title = {Momentum-Net for Low-Dose CT Image Reconstruction},
author = {Siqi Ye and Yong Long and Il Yong Chun},
journal= {arXiv preprint arXiv:2002.12018},
year = {2020}
}
备注
Five pages conference paper. Accepted by 2020 Asilomar Conference on Signals, Systems, and Computers