基于生成对抗网络和噪声水平估计的低剂量CT图像降噪方法

• 作者: 张雄 杨琳琳 上官宏 韩泽芳 韩兴隆 王安红 崔学英
• 来源期刊: 电子与信息学报
• 关键词: 图像降噪 生成对抗网络 低剂量CT U-Net 噪声水平
• 年，卷（期）: 2021,（8）
• 所属期刊栏目: 图像与智能信息处理|Image and Intelligent Information Processing
• 页码范围: 2404-2413
• 页数: 10页
• 分类号: TN911.73|TP391
• 语种: 中文
• DOI: 10.11999/JEIT200591

摘要

生成对抗网络(GAN)用于低剂量CT(LDCT)图像降噪具有一定的性能优势,成为近年CT图像降噪领域新的研究热点.不同剂量的LDCT图像中噪声和伪影分布的强度发生变化时,GAN网络降噪性能不稳定,网络泛化能力较差.为了克服这一缺陷,该文首先设计了一个编解码结构的噪声水平估计子网,用于生成不同剂量LD-CT图像对应的噪声图,并用原始输入图像与之相减来初步抑制噪声;其次,在主干降噪网络中,采用GAN框架,并将生成器设计为多路编码的U-Net结构,通过博弈对抗实现网络结构优化,进一步抑制CT图像噪声;最后,设计了多种损失函数来约束不同功能模块的参数优化,进一步保障了LDCT图像降噪网络的性能.实验结果表明,与目前流行算法相比,所提出的降噪网络能够在保留LDCT图像原有重要信息的基础上,取得较好的降噪效果.