基于对抗训练的U-Net神经网络在稀疏投影CT图像增强的应用

• 作者: 丘皓怡 刘深泉 朱思婷 萧文鹏 陈星宇 黄锦威
• 来源期刊: 中国医学物理学杂志
• 关键词: CT图像增强 U-Net神经网络 对抗训练 稀疏投影
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 医学影像物理
• 页码范围: 612-618
• 页数: 7页
• 分类号: TP391|R318
• 语种: 中文
• DOI: 10.3969/j.issn.1005-202X.2020.05.016

摘要

目的:针对稀疏投影的CT重建图像附带噪声和伪影的特性,使用神经网络模型对稀疏投影得到的低质量CT重建图像进行图像增强.方法:在残差编码-解码卷积神经网络基础上提出一种基于对抗训练的U-Net神经网络模型,并使用公开数据集TCGA-CESC癌症CT影像进行模型训练和测试.评价模型处理效果的指标包括峰值信噪比(PSNR)、结构相似性(SSIM)和均方根误差(RMSE).结果:在对180次探测的CT重建图像的测试中,模型处理后的图像相比未处理图像,PSNR、SSIM和RMSE指标平均值分别提升15.10％、37.89％和38.20％.在PSNR和SSIM指标平均值意义下,模型处理后的图像优于1800次探测的未处理CT重建图像.结论:本研究提出的神经网络模型能够减少伪影和噪点,对稀疏投影CT图像增强有一定效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘深泉	华南理工大学数学学院	51	86	5.0	6.0
2	陈星宇	华南理工大学计算机科学与工程学院	6	0	0.0	0.0
3	黄锦威	华南理工大学数学学院	1	0	0.0	0.0
4	萧文鹏	华南理工大学计算机科学与工程学院	1	0	0.0	0.0
5	朱思婷	华南理工大学电力学院	1	0	0.0	0.0
6	丘皓怡	华南理工大学数学学院	1	0	0.0	0.0