一种基于DAMS-Restormer的稀疏角CT图像域重建方法

摘要

计算机断层成像技术(computed tomography, CT)是一种重要且应用广泛的临床诊断手段.低剂量下的稀疏角重建是近年来医学CT设备成像技术研发的重点，其可实现快速、少辐射的影像获取，但大量缺失的采样会导致重建图像的信噪比低，很大程度上限制了该技术的应用.针对稀疏角CT图像重建问题，本文在深度学习网络模型中引入图像域重建优化的思想，提出了一种基于DAMS-Restormer的CT图像成像方法.该方法改进了Restormer架构，通过分组卷积和空间注意力机制优化，加入多尺度信息提取模块，提高计算效率和图像细节信息的恢复力.数值实验和分析表明，本文提出的重建方法可以有效减少重建伪影，明显提高CT图像重建质量.

关键词

稀疏角CT / 深度学习 / 注意力机制 / 多尺度信息提取