基于融合解析迭代重建网络的高效稀疏投影CT重建算法

• 作者: 陈高宇 黄秋
• 来源期刊: 中国体视学与图像分析
• 关键词: 稀疏投影 CT重建 深度学习 计算高效性
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 三维定量研究与重建|3D Quantitative Research & 3D Reconstruction
• 页码范围: 163-172
• 页数: 10页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.13505/j.1007-1482.2021.26.02.007

摘要

融合解析迭代重建网络(fused analytical iterative reconstruction networks,AirNet)是一种结合传统解析、迭代重建算法与深度卷积神经网络的CT稀疏投影数据重建模型,可准确重建稀疏角、有限角等情况下稀疏采样的CT投影数据.但原始AirNet需要数十次迭代,其计算效率仍有待提高,一般仅用于实现二维CT重建.鉴于此,本文在AirNet基础上提出了两种新的迭代残差结构:迭代内残差和迭代间残差,改进了基于AirNet的CT重建算法.新算法在减少AirNet迭代次数,增加单次迭代中网络层数的情况下可以有效地保持重建图像质量,减少1/3的训练显存占用并提高两倍重建速度.本文所提出的方法将有助于推广AirNet模型至三维稀疏采样的CT数据重建,提高其临床应用价值.