面向真实世界低剂量CT图像去噪的图像块三元组相似性纯化
图像与视频处理
2025-02-04 v1 计算机视觉与模式识别
摘要
低剂量计算机断层扫描（LDCT）图像去噪是减少辐射暴露下临床诊断的一个重要问题。以往方法大多使用合成或未对齐的 LDCT 与正常剂量 CT（NDCT）图像对进行训练。然而，使用合成噪声或未对齐的 LDCT/NDCT 图像对训练的去噪网络会出现结构模糊或运动伪影。由于在三期扫描中，非增强 CT（NCCT）图像与相应的 NDCT 图像共享内容特征，它们可能为真实世界 LDCT 图像去噪提供有用信息。为利用这一点，本文提出将干净的 NCCT 图像作为有用引导，用于学习真实世界 LDCT 图像去噪网络。为缓解训练数据中的空间未对齐问题，我们设计了一种新的块三元组相似性纯化（PTSP）策略，以选择 LDCT、NDCT 和 NCCT 图像的高度相似块（而非图像）三元组用于网络训练。此外，我们修改了 SwinIR 和 HAT 两种图像去噪 Transformer，通过用交叉注意力替换普通的自注意力来适应 NCCT 图像引导。在我们收集的临床数据集上，使用 PTSP 策略选择的数据训练的修改后 Transformer 在真实世界 LDCT 图像去噪方面表现出优于 15 种对比方法的性能。消融研究验证了我们的 NCCT 图像引导和 PTSP 策略的有效性。我们将公开发布数据和代码。
引用
@article{arxiv.2502.00253,
title = {Patch Triplet Similarity Purification for Guided Real-World Low-Dose CT Image Denoising},
author = {Junhao Long and Fengwei Yang and Juncheng Yan and Baoping Zhang and Chao Jin and Jian Yang and Changliang Zou and Jun Xu},
journal= {arXiv preprint arXiv:2502.00253},
year = {2025}
}