基于图像边缘约束cGAN的稀疏角度锥束乳腺CT重建

锥束乳腺CT(CBBCT)相对高的辐射剂量和相对长的扫描时间阻碍了它的临床应用。该研究提出稀疏角度CBBCT解决上述问题。为了去除用滤波反投影(FBP)重建稀疏角度CT带来的伪影,该研究提出带有图像边缘约束的条件生成对抗网络—ECGAN。ECGAN的生成器是改进后的U-net,判别器是patch GAN和LSGAN的结合,这样的设计是为了提高训练效果,保留高频信息。为了进一步保留细微结构,图像边缘提取后被同时加入生成器和判别器中。之后采用20组临床原始数据进行训练验证。结果显示,ECGAN能实质性地提高稀疏角度CBBCT的图像质量,效果也优于基于全变分的迭代重建和基于FBPConv Net的深度学习后处理。在投影数从300降低到100时,ECGAN将峰值信噪比(PSNR)和结构相似度(SSIM)从FBP的24.26、0.812提高到37.78、0.963。结果表明ECGAN在保证图像质量基本不变的前提下,能将CBBCT的扫描时间和剂量降低为原来的三分之一。