面向任务的低剂量 CT 图像去噪
图像与视频处理
2021-07-13 v2 计算机视觉与模式识别
摘要
医疗 CT 的广泛使用引发了公众对患者的辐射剂量的担忧。降低辐射剂量会导致 CT 图像噪声与伪影增加，这不仅会对放射科医生的判断产生不利影响，也会损害下游医学图像分析任务的性能。各种低剂量 CT 去噪方法，尤其是近期基于深度学习的方法，已取得令人印象深刻的成果。然而，现有去噪方法均不区分下游任务，忽视了下游应用的多样化需求。本文引入一种新颖的面向任务的去噪网络（TOD-Net），其带有利用下游任务知识的面向任务的损失。全面的实证分析表明，面向任务的损失通过引导去噪器增强任务相关感兴趣区域中的图像质量，对其余任务无关损失形成补充。这种增强进而为下游任务各类方法的性能带来普遍提升。本工作或可启发未来上下文感知图像去噪方法的发展。
引用
@article{arxiv.2103.13557,
title = {Task-Oriented Low-Dose CT Image Denoising},
author = {Jiajin Zhang and Hanqing Chao and Xuanang Xu and Chuang Niu and Ge Wang and Pingkun Yan},
journal= {arXiv preprint arXiv:2103.13557},
year = {2021}
}
备注
Paper accepted by MICCAI-2021