基于具局部相干性的GAN求解低剂量CT重建
图像与视频处理
2023-09-26 v1 计算机视觉与模式识别
机器学习
摘要
用于诊断人体内脏器官病变的计算机断层扫描（CT）是医学影像中最基础的问题之一。低剂量CT由于减少了辐射暴露，优于标准剂量CT，因此其重建方法已被广泛研究。然而，当前的低剂量CT重建技术主要依赖于基于模型的方法或基于深度学习的技术，这些方法往往忽略了连续CT切片的相干性与平滑性。为解决此问题，我们提出了一种使用增强局部相干性的生成对抗网络（GANs）的新方法。所提方法可通过光流捕获相邻图像的局部相干性，从而显著提升重建图像的精度与稳定性。我们在真实数据集上评估了所提方法，实验结果表明其能显著优于现有的最先进重建方法。
引用
@article{arxiv.2309.13584,
title = {Solving Low-Dose CT Reconstruction via GAN with Local Coherence},
author = {Wenjie Liu},
journal= {arXiv preprint arXiv:2309.13584},
year = {2023}
}