工业X射线CT中基于深度学习的射束硬化伪影抑制方法

• 作者: 余建桥 周丽平 孙怡 程凯
• 来源期刊: CT理论与应用研究
• 学科: 数学
• 关键词: 射束硬化 计算机断层成像 深度学习 卷积神经网络
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 工业CT
• 页码范围: 227-240
• 页数: 14页
• 分类号: O242
• 语种: 中文
• DOI: 10.15953/j.1004-4140.2018.27.02.11

摘要

利用工业CT进行无损检测时,由于实际X射线源的宽能谱特性,目前现有的大部分重建算法得到的图像含有射束硬化伪影.射束硬化伪影降低了图像的质量,影响了CT图像应用,如CT图像诊断等.本文提出一种基于深度学习的减少硬化伪影的方法,用大量含有硬化伪影的断层图像作为输入,用相应的在固定能量下重建的不含硬化伪影的图像作为输出来训练卷积神经网络.通过建立含有硬化伪影的断层图像与不含硬化伪影的断层图像之间的映射关系,来抑制硬化伪影.实验结果证明了本文所提方法在降低CT图像硬化伪影上的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙怡	大连理工大学信息与通信工程学院	49	425	11.0	19.0
2	程凯	大连理工大学信息与通信工程学院	6	14	3.0	3.0
3	周丽平	大连理工大学信息与通信工程学院	1	3	1.0	1.0
4	余建桥	大连理工大学信息与通信工程学院	1	3	1.0	1.0