用于低剂量 X 射线 CT 重建的小波域残差网络
计算机视觉与模式识别
2017-08-01 v1
摘要
由于需要反复使用正向和反向投影，低剂量 X 射线 CT 的基于模型的迭代重建（MBIR）算法在计算上十分复杂。受深度学习在计算机视觉应用中取得成功的启发，我们最近提出了一种用于低剂量 X 射线 CT 的深度卷积神经网络（CNN），并在 2016 年 AAPM 低剂量 CT 大挑战中荣获第二名。然而，部分纹理未能完全恢复，这令一些放射科医生感到陌生。为了解决这个问题，在此我们提出了一种在方向小波域上的直接残差学习方法，以解决该问题并改进先前工作的性能。具体而言，新网络估计每个输入小波变换的噪声，然后通过从输入小波变换频带中减去噪声来获得去噪后的小波系数。实验结果证实，所提出的网络具有显著提升的性能，保留了原始图像的细节纹理。
引用
@article{arxiv.1703.01383,
title = {Wavelet Domain Residual Network (WavResNet) for Low-Dose X-ray CT Reconstruction},
author = {Eunhee Kang and junhong Min and Jong Chul Ye},
journal= {arXiv preprint arXiv:1703.01383},
year = {2017}
}