基于注意力机制U-Net的低剂量CT图像去噪方法

• 作者: 程小霞 崔学英 郭映亭 上官宏 郝文强
• 来源期刊: 太原科技大学学报
• 学科: 工学
• 关键词: 低剂量CT 图像去噪 U-Net 通道注意力 像素注意力
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 计算机科学与信息工程|Computer Science and Information Engineering
• 页码范围: 147-153
• 页数: 7页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1673-2057.2022.02.010

摘要

计算机断层扫描(CT)产生的辐射风险已成为公众关注的问题.降低剂量将影响CT图像的质量以及医生的诊断结果.传统的基于深度网络算法中,同一层中的特征通道间的地位是平等的,影响信息的提取.为此,提出了一种具有注意力机制的U-Net残差网络.在U-Net中引入通道注意力模块驱使网络将更多的注意力集中于含有噪声和伪影信息的通道上,降低对其他信息通道的关注度,提高网络的去噪能力.同时利用像素注意力引导网络捕捉图像区域中的噪声和伪影.实验验证了两种注意力的结合提高了网络的性能.所提出的方法的峰值信噪比高出REd-CNN大约0.17,视觉信息保真度高出大约5％,信息保真度准则高出大约4％.