基于深度学习的低剂量CT成像算法研究进展

• 作者: 韩泽芳 上官宏 张雄 韩兴隆 桂志国 崔学英 张鹏程
• 来源期刊: CT理论与应用研究
• 学科: 医学
• 关键词: 深度学习 低剂量CT 伪影抑制 噪声建模
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 综述|Review
• 页码范围: 117-134
• 页数: 18页
• 分类号: O242|R814
• 语种: 中文
• DOI: 10.15953/j.1004-4140.2022.31.01.14

摘要

计算机断层扫描成像(CT)技术具有成像速度快分辨率高的优点,广泛应用于医学临床诊断中.然而,提高剂量辐射会引发人体组织器官受损,降低剂量又会造成成像质量严重下降.为解决上述矛盾,在确保成像质量满足临床诊断需求的条件下,研究如何最大程度地降低X射线辐射对人体造成的伤害,己成为低剂量CT成像技术的研究热点.近年来,在人工智能领域深度学习方法快速发展,已广泛应用于图像处理、模式识别、信号处理等领域.与此同时,大数据驱动下的深度学习方法在LDCT成像领域的应用也有了长足的发展.本文从CT成像的过程、低剂量CT噪声建模以及成像算法的设计3方面,介绍近年来国内外低剂量CT成像算法的发展,尤其对深度学习领域的成像算法进行阐述与分析,并对LDCT图像成像领域未来的发展进行展望.