基于全变分展开的低剂量CT重建网络

摘要

针对CT迭代展开重建网络仅对数据保真项进行神经网络展开降低了重建网络计算性能的问题，通过对基于全变分的CT迭代重建算法进行神经网络展开，提出一种对数据保真项和全变分正则项全部进行神经网络展开的重建网络，从而改善了CT重建图像的视觉质量。首先，采用原始–对偶算法求解基于全变分的CT重建问题，得到易于神经网络展开的迭代重建算法。然后，对该迭代重建算法进行神经网络展开，尤其是对正则项部分的算法进行神经网络展开，得到迭代展开CT重建网络。在模拟的低剂量CT数据集上验证了该算法的有效性。实验结果表明，与6种低剂量CT重建算法相比，该算法在抑制低剂量CT图像噪声的同时，很好地保留了图像中的结构和细节纹理。重建图像的定量评价分析显示，该算法取得了良好的峰值信噪比和归一化均方误差指标值，验证了提出的低剂量CT重建算法具有较好的噪声抑制能力和较强的鲁棒性。

关键词

CT重建 / 全变分 / 神经网络 / 迭代展开 / 原始-对偶算法

基金资助

山西省基础研究计划基金（20210302124403,202303021211148）; 山西省回国留学人员科研资助项目（2021-111）