-
题名用于低剂量CT降噪的伪影感知生成对抗网络
- 1
-
-
作者
韩泽芳
张雄
上官宏
韩兴隆
韩静
奉刚
崔学英
-
机构
太原科技大学电子信息工程学院
-
出处
《计算机应用》
CSCD
北大核心
2022年第7期2301-2310,共10页
-
基金
国家自然科学基金资助项目(62001321)
山西省自然科学基金资助项目(201901D111261)
山西省研究生教育创新项目(2020SY417,2020SY423)。
-
文摘
近年来,生成对抗网络(GAN)用于低剂量CT(LDCT)伪影抑制表现出一定性能优势,已成为该领域新的研究热点。由于伪影分布不规律且与正常组织位置息息相关,现有GAN网络的降噪性能受限。针对上述问题,提出了一种基于伪影感知GAN的LDCT降噪算法。首先,设计了伪影方向感知生成器,该生成器在U型残差编解码结构的基础上增加了伪影方向感知子模块(ADSS),从而提高生成器对伪影方向特征的敏感度;其次,设计了注意力判别器(AttD)来提高对噪声伪影的鉴别能力;最后,设计了与网络功能相对应的损失函数,通过多种损失函数协同作用来提高网络的降噪性能。实验结果表明,与高频敏感GAN(HFSGAN)相比,该降噪算法的平均峰值信噪比(PSNR)和结构相似度(SSIM)分别提升了4.9%和2.8%,伪影抑制效果良好。
-
关键词
低剂量断层扫描成像
图像降噪
生成对抗网络
方向卷积
注意力机制
-
Keywords
Low-Dose Computed Tomography(LDCT)
image denoising
Generative Adversarial Network(GAN)
orientation convolution
attention mechanism
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-