WIA-LD2ND: 基于小波的图像对齐用于自监督低剂量 CT 去噪
图像与视频处理
2024-07-02 v3 计算机视觉与模式识别
摘要
在临床检查与诊断中，与常规剂量计算机断层扫描（NDCT）相比，低剂量计算机断层扫描（LDCT）对于降低健康风险至关重要。然而，降低辐射剂量会损害信噪比，导致 CT 图像质量下降。为解决此问题，我们基于频域视角的实验结果分析了 LDCT 去噪任务，随后提出了一种名为 WIA-LD2ND 的新型自监督 CT 图像去噪方法，该方法仅使用 NDCT 数据。所提出的 WIA-LD2ND 包含两个模块：基于小波的图像对齐（WIA）和频域感知多尺度损失（FAM）。首先，引入 WIA 通过主要向高频成分添加噪声来实现 NDCT 与 LDCT 的对齐，这是 LDCT 与 NDCT 之间的主要差异。其次，为了更好地捕捉高频成分与细节信息，通过有效利用多尺度特征空间，提出了频域感知多尺度损失（FAM）。在两个公开的 LDCT 去噪数据集上的大量实验表明，仅使用 NDCT 的 WIA-LD2ND 优于现有的多种最先进的弱监督与自监督方法。源代码可在 https://github.com/zhaohaoyu376/WI-LD2ND 获取。
引用
@article{arxiv.2403.11672,
title = {WIA-LD2ND: Wavelet-based Image Alignment for Self-supervised Low-Dose CT Denoising},
author = {Haoyu Zhao and Yuliang Gu and Zhou Zhao and Bo Du and Yongchao Xu and Rui Yu},
journal= {arXiv preprint arXiv:2403.11672},
year = {2024}
}
备注
MICCAI2024