Spectral2Spectral：图像-光谱相似性辅助的无参考光谱CT深度重建
图像与视频处理
2023-11-17 v3 计算机视觉与模式识别
机器学习
摘要
基于光子计数探测器（PCD）的光谱计算机断层扫描因能够对生物医用材料提供更准确的识别与定量分析而受到越来越多的关注。窄能窗内光子数量有限导致成像结果信噪比低。现有的有监督深度重建网络难以应对这些挑战，因为通常无法获取结构清晰的免噪声临床图像作为参考。本文中，我们提出一种迭代深度重建网络，将无监督方法与数据先验协同纳入统一框架，命名为Spectral2Spectral。我们的Spectral2Spectral采用无监督深度训练策略，以端到端方式从噪声数据中获取高质量图像。图像-光谱域内的结构相似性先验被提炼为正则化项，以进一步约束网络训练。神经网络权重在迭代过程中自动更新以捕捉图像特征与结构。三个大规模临床前数据集实验表明，Spectral2Spectral重建的图像质量优于其他最先进方法。
引用
@article{arxiv.2210.01125,
title = {Spectral2Spectral: Image-spectral Similarity Assisted Spectral CT Deep Reconstruction without Reference},
author = {Xiaodong Guo and Longhui Li and Dingyue Chang and Peng He and Peng Feng and Hengyong Yu and Weiwen Wu},
journal= {arXiv preprint arXiv:2210.01125},
year = {2023}
}
备注
Accepted by IEEE TCI