Quad-Net：用于 CT 金属伪影抑制的四域网络
图像与视频处理
2024-01-10 v2 计算机视觉与模式识别
摘要
患者体内的金属植入物及其他高密度物体会在 CT 图像中引入严重的条状伪影，损害图像质量与诊断性能。尽管过去几十年中已发展出多种 CT 金属伪影抑制（MAR）方法，包括最新的双域深度网络，但在许多临床病例中残余金属伪影仍具挑战性。在此，我们将最先进的双域深度网络方法扩展为四域对应方法，从而协同利用正弦图、图像及其相应傅里叶域中的所有特征，在最优消除金属伪影的同时不损害结构细节。我们提出的用于 MAR 的四域网络称为 Quad-Net，由于傅里叶变换高效，其仅增加极少计算开销，并在四个感受野上工作以学习全局与局部特征及其关系。具体而言，我们首先在正弦图域及其傅里叶空间设计正弦图-傅里叶修复网络（SFR-Net），以忠实修复金属损坏的迹线。随后，我们将 SFR-Net 与图像-傅里叶精炼网络（IFR-Net）耦合，后者同时接收图像及其傅里叶谱，利用跨域上下文信息改进由 SFR-Net 输出重建的 CT 图像。Quad-Net 在临床数据集上训练以最小化复合损失函数。Quad-Net 不需要精确金属掩膜，这在临床实践中至关重要。我们的实验结果表明，Quad-Net 在定量、视觉和统计上均优于最先进的 MAR 方法。Quad-Net 代码已公开于 https://github.com/longzilicart/Quad-Net。
引用
@article{arxiv.2207.11678,
title = {Quad-Net: Quad-domain Network for CT Metal Artifact Reduction},
author = {Zilong Li and Qi Gao and Yaping Wu and Chuang Niu and Junping Zhang and Meiyun Wang and Ge Wang and Hongming Shan},
journal= {arXiv preprint arXiv:2207.11678},
year = {2024}
}