自主监督的双域平衡滴块网络用于低剂量CT消噪

科学领域:

• 医疗成像医学成像
• 计算机视觉 计算机视觉
• 机器学习 机器学习

背景情况:

• 自主监督学习 (SSL) 对于低剂量计算机断层扫描 (LDCT) 无线化是有效的,但传统方法忽视了sinogram域信息.
• 现有的双域SSL方法由于LDCT协同图中的噪声不均而与模糊文物作斗争.

研究的目的:

• 提出SDBDNet,这是一个端到端的双域SSL方法,用于LDCT的拒绝,以减轻模糊的文物.
• 为了利用sinograms中不均噪声的特性和适度的sinogram-domain denoising来提高图像质量.

主要方法:

• SDBDNet采用双域方法,在sinogram和图像领域处理数据.
• 协同图分为子集,以创建具有独立噪声的配对训练数据,然后使用插值和基于学习的校正恢复.
• 通过Dropblock规范化和denoised和杂的sinograms的加权平均值实现了自适应的sinogram无声化.

主要成果:

• 在没有引入模糊文物的情况下,SDBDNet在两个领域都表现出有效的无线化.
• 数字实验证实,SDBDNet的表现优于流行的非学习和现有的自我监督学习方法.

结论:

• SDBDNet提供了一种新的,高性能的双域SSL解决方案,用于LDCT的拒绝.
• 该研究强调了合适的sinogram-domain denoising在双域方法中的关键作用,并建议了未来研究的途径.