TriDoNet：一种用于 CT 金属伪影抑制的三重域模型驱动网络
网络与互联网体系结构
2022-11-15 v1 人工智能
计算机视觉与模式识别
摘要
近年来，基于深度学习的方法在 CT 金属伪影抑制（CTMAR）上取得了令人鼓舞的性能。然而，大多数方法存在两个局限：（i）领域知识未充分嵌入网络训练；（ii）金属伪影缺乏有效的表示模型。上述局限为进一步提升性能留下了空间。针对这些问题，我们提出了一种新颖的三重域模型驱动 CTMAR 网络，称为 TriDoNet，其网络训练利用了三重域知识，即 sinogram 域、CT 图像域和金属伪影域的知识。具体而言，为探索金属伪影的非局部重复条状模式，我们将其编码为一个带有自适应阈值的显式紧框架稀疏表示模型。此外，我们设计了一种基于对比学习的对比正则化（CR），将干净 CT 图像与金属受影响图像分别用作正样本和负样本。实验结果表明，我们的 TriDoNet 能够生成更优的伪影抑制 CT 图像。
引用
@article{arxiv.2211.07190,
title = {TriDoNet: A Triple Domain Model-driven Network for CT Metal Artifact Reduction},
author = {Baoshun Shi and Ke Jiang and Shaolei Zhang and Qiusheng Lian and Yanwei Qin},
journal= {arXiv preprint arXiv:2211.07190},
year = {2022}
}
备注
6 pages, 3 figures