一种基于多特征融合的低剂量CT去噪方法

摘要

深度学习已在低剂量CT(Low-Dose CT, LDCT)去噪领域取得了广泛应用，为了在深度学习训练过程中平衡LDCT图像降噪和纹理细节之间的关系，提出了一种基于多特征提取和注意力机制的LDCT去噪模型。该模型包含3条支路，第1条支路是浅层边缘特征提取支路，可以对输入的LDCT图像进行充分的预训练；第2条支路利用交叉卷积来探索LDCT图像中更多的边缘细节信息；第3条支路利用可训练的Sobel和正常剂量CT边缘标签来进一步加强对LDCT图像边缘细节的表现。最后，利用注意力机制实现多特征融合模块。在美国医学物理学协会（AAPM）公开数据集上的实验结果表明，与现有方法相比，新模型处理的AAPM数据集CT图像峰值信噪比为33.637 6，结构相似性为0.916 9，证明了该方法可以有效去除噪声和伪影，同时有效地保留了CT图像的结构信息。

关键词

低剂量CT去噪 / 特征提取 / 边缘提取 / 注意力机制 / 交叉卷积 / 多特征融合

基金资助

国家自然科学基金资助项目（61801438）; 国家重点研发计划资助项目（2023YFC3304900）