用于低剂量 CT 的视觉注意力网络
医学物理
2019-07-24 v2 计算机视觉与模式识别
摘要
噪声和伪影是低剂量 CT（LDCT）数据采集固有的，并将显著影响成像性能。由于统计和技术上的不确定性，在 LDCT 背景下完美地去噪和图像复原是难以实现的。本文中，我们采用带有视觉注意力机制的生成对抗网络（GAN）框架，以数据驱动/机器学习的方式处理该问题。我们的主要思想是将视觉注意力知识注入 GAN 的学习过程中，以提供噪声分布的强先验。通过这样做，生成器和判别器网络都被赋予了视觉注意力信息，从而它们不仅特别关注噪声区域及周围结构，还能显式评估复原区域的局部一致性。我们的实验从定性和定量上证明了所提方法在临床 CT 图像上的有效性。
引用
@article{arxiv.1810.13059,
title = {Visual Attention Network for Low Dose CT},
author = {Wenchao Du and Hu Chen and Peixi Liao and Hongyu Yang and Ge Wang and Yi Zhang},
journal= {arXiv preprint arXiv:1810.13059},
year = {2019}
}
备注
5 pages, 6 figures. To appear on IEEE Signal Processing Letters