一种用于低剂量CT的微小细节保护CNN与Transformer融合去噪方法

为解决低剂量CT图像因辐射剂量降低而引入大量噪声,导致图像质量下降,从而影响临床诊断准确性问题,构建一种结合卷积神经网络(CNN)与Transformer的网络模型,并在此模型中引入一种内部块特征提取模块,以更好地保护图像中的微小细节。此外,为了解决应用Swin Transformer去噪时出现恢复错误纹理细节的问题,在自注意力部分并入一个多输入通道注意力模块,进而构建一种双重注意力Transformer。本研究在AAPM数据集上进行测试,实验结果表明,与现有的去噪算法相比,本文提出的算法在去噪方面表现出色,可以更好地保护图像的微小细节。