U-DuDoNet：用于CT金属伪影抑制的非配对双域网络
图像与视频处理
2021-03-10 v1 计算机视觉与模式识别
摘要
近来，有监督与无监督深度学习方法均已广泛应用于CT金属伪影抑制(MAR)任务。双域网络(Du-DoNet)等有监督方法在仿真数据上表现良好；然而由于域间隙，其在临床数据上的性能有限。无监督方法更具泛化性，但仅通过图像域的单独处理无法完全消除伪影。为结合两类MAR方法的优势，我们提出一种使用非配对数据训练的非配对双域网络(U-DuDoNet)。不同于利用多个编码器与解码器将内容与伪影解耦的伪影解耦网络(ADN)，我们的U-DuDoNet通过正弦图域与图像域中的加法直接建模伪影生成过程，这由与金属伪影相关的可加性在理论上得以论证。我们的设计包含自学习正弦图先验网络，为恢复正弦图域中的信息提供指导，以及用于非配对数据上伪影抑制与添加的周期约束。在仿真数据与临床图像上的大量实验表明，我们的新框架优于最先进的(SOTA)非配对方法。
引用
@article{arxiv.2103.04552,
title = {U-DuDoNet: Unpaired dual-domain network for CT metal artifact reduction},
author = {Yuanyuan Lyu and Jiajun Fu and Cheng Peng and S. Kevin Zhou},
journal= {arXiv preprint arXiv:2103.04552},
year = {2021}
}
备注
11 pages, 4 figures