基于改进型循环一致性生成对抗网络的低剂量CT去噪算法

• 作者: 朱斯琪 王珏 蔡玉芳
• 来源期刊: 光学学报
• 关键词: 图像处理 低剂量CT 循环一致性生成对抗网络 密集型残差学习网络 图像去噪
• 年，卷（期）: 2020,（22）
• 所属期刊栏目: 图像处理|Image Processing
• 页码范围: 64-72
• 页数: 9页
• 分类号: TP391|TH741
• 语种: 中文
• DOI: 10.3788/AOS202040.2210002

摘要

针对低剂量医学CT图像噪声大且配对数据集难以获得的问题,提出一种基于改进型循环一致性生成对抗网络的低剂量CT去噪算法.该算法使用循环一致性生成对抗网络,由未配对的数据集实现了从低剂量CT图像到标准剂量CT图像的端到端映射;同时将密集型残差学习网络模型引入到该网络生成器中,利用残差网络的特征复用性来恢复图像细节,使生成器输出图像更接近目标图像.实验研究表明,本文算法提升了去噪效果,并准确地恢复了图像细节及边缘结构,修复后的图像质量显著提升,有助于病灶的检测与分析.