%A 史再峰,李金卓,曹清洁,李慧龙,胡起星 %T 基于生成对抗网络的低剂量能谱层析成像去噪算法 %0 Journal Article %D 2020 %J 吉林大学学报(工学版) %R 10.13229/j.cnki.jdxbgxb20190554 %P 1755-1764 %V 50 %N 5 %U {http://xuebao.jlu.edu.cn/gxb/CN/abstract/article_14028.shtml} %8 2020-09-01 %X

为提升在低辐射剂量条件下能谱式计算机断层扫描(CT)的重建图像质量,提出了一种基于复合感知损失函数的生成对抗网络去噪模型。此方法将像素空间与人类感知的特征空间结合到网络的生成对抗过程,并引入残差学习解决网络层数加深导致的图像细节丢失问题。通过采用多个能段的CT图像作为输入,同时利用了能段内的空间相关性和能段间的能量相关性,提高了能谱CT图像的视觉灵敏度。实验结果表明:该方法将峰值信噪比提高约5 dB,结构相似性指数提高约0.2,特征相似性指数提高约0.06。与当前的低剂量CT影像去噪算法相比,本文模型可实现更好的噪声去除效果,同时能保留诊断必要的细节信息,显著提高了低剂量能谱CT图像的质量。