基于生成对抗网络和噪声水平估计的低剂量CT图像降噪方法

作     者：张雄 杨琳琳 上官宏 韩泽芳 韩兴隆 王安红 崔学英 ZHANG Xiong;YANG Linlin;SHANGGUAN Hong;HAN Zefang;HAN Xinglong;WANG Anhong;CUI Xueying

作者机构：太原科技大学电子信息工程学院太原030024 

基　　金：国家青年科学基金(62001321) 山西省高等学校科技创新项目(2019L0642) 山西省自然科学基金(201901D111261) 

出 版 物：《电子与信息学报》 (Journal of Electronics & Information Technology)

年 卷 期：2021年第43卷第8期

页      码：2404-2413页

摘      要：生成对抗网络(GAN)用于低剂量CT(LDCT)图像降噪具有一定的性能优势,成为近年CT图像降噪领域新的研究热点。不同剂量的LDCT图像中噪声和伪影分布的强度发生变化时,GAN网络降噪性能不稳定,网络泛化能力较差。为了克服这一缺陷,该文首先设计了一个编解码结构的噪声水平估计子网,用于生成不同剂量LDCT图像对应的噪声图,并用原始输入图像与之相减来初步抑制噪声;其次,在主干降噪网络中,采用GAN框架,并将生成器设计为多路编码的U-Net结构,通过博弈对抗实现网络结构优化,进一步抑制CT图像噪声;最后,设计了多种损失函数来约束不同功能模块的参数优化,进一步保障了LDCT图像降噪网络的性能。实验结果表明,与目前流行算法相比,所提出的降噪网络能够在保留LDCT图像原有重要信息的基础上,取得较好的降噪效果。

主 题 词：图像降噪 生成对抗网络 低剂量CT U-Net 噪声水平 

学科分类：0711[理学-心理学类] 0808[工学-自动化类] 0809[工学-计算机类] 07[理学] 08[工学] 081203[081203] 080401[080401] 0804[工学-材料学] 080402[080402] 0835[0835] 0812[工学-测绘类] 

核心收录：

D　O　I：10.11999/JEIT200591

馆 藏 号：203104685...