用于低剂量CT降噪的伪影感知生成对抗网络

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。