用于低剂量CT图像去噪的递归残差编解码网络

• 作者: 上官宏 刘文斌 刘斌 崔学英
• 来源期刊: 太原科技大学学报
• 学科: 工学
• 关键词: 低剂量CT 编解码网络 残差学习 递归网络
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 应用科学
• 页码范围: 323-327
• 页数: 5页
• 分类号: TP391
• 字数: 3138字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-2057.2020.04.013

摘要

低剂量CT是减少对患者辐射风险的有效方法,但它会降低CT图像的质量,使得图像中含有噪声和条形伪影,影响医师的诊断.为了提高CT图像的质量,提出了一种浅层残差编解码递归网络,通过训练网络学习端对端的映射以获取优质图像.该网络通过减少残差编解码网络的层数以及卷积核的个数降低网络的复杂度,利用递归过程提升网络的性能.在每次递归时,都将原始的低剂量CT图像级联到下一次的输入,可有效地避免图像在多次递归后失真的问题,能够更好地提取图像特征,保留图像的细节信息.实验结果表明所提出的网络算法不仅可以在保留图像细节同时有效地减少低剂量CT图像中的噪声和伪影.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	崔学英	太原科技大学应用科学学院	11	19	2.0	4.0
2	刘斌	太原科技大学应用科学学院	16	30	3.0	5.0
3	上官宏	太原科技大学电子信息工程学院	6	2	1.0	1.0
4	刘文斌	太原科技大学应用科学学院	2	0	0.0	0.0