计算机工程

作者：张鲁, 田春伟, 宋焕生, 刘侍刚

单位：1. 长安大学教育技术与网络中心, 陕西 西安 7100642. 西北工业大学软件学院, 陕西 西安 7100723. 西北工业大学深圳研究院, 广东 深圳 5180574. 长安大学信息工程学院, 陕西 西安 7100645. 陕西师范大学计算机科学学院, 陕西 西安 710119

关键词：低剂量CT图像,图像去噪,卷积神经网络,双树复小波变换,像素重排

基金：广东省基础与应用基础研究基金(2021A1515110079); 深圳市科技创新委员会项目(JSGG20220831105002004); 中国博士后科学基金(2022TQ0259); 中国博士后科学基金(2022M722599)

基于卷积神经网络(CNN)的图像去噪方法能有效去除低剂量计算机断层扫描(CT)图像伴随的伪影和噪声, 从而确保CT设备输出高质量图像同时降低辐射, 这对患者健康和医学诊断具有重要意义。为了进一步提高低剂量CT图像的质量, 提出一种小波域去噪网络MDTNet。首先, 基于双树复小波变换(DTCWT)构造多级编解码去噪网络, 在多个尺度上提取特征以保留更多高频细节; 然后, 利用扩展的像素重排技术替代卷积上下采样, 实现多级输入和特征融合, 从而降低计算复杂度; 最后, 通过大量训练找到最佳的去噪模型, 即二级MDTNet配合LeGall滤波器和Qshift_b滤波器, 并选择较大尺寸的CT图像作为训练数据。使用AAPM数据集评估MDTNet的性能, 实验结果表明, MDTNet能有效去除条纹状伪影和噪声, 在定量和定性评估中性能均优于同类型去噪方法。与FWDNet相比, 对于1 mm的切片, MDTNet的平均峰值信噪比(PSNR)和结构相似性指数(SSIM)分别提高了0.088 7 dB和0.002 4;对于3 mm的切片, 分别提升了0.144 3 dB和0.003。对于单张512×512像素的低剂量CT图像去噪, MDTNet在GPU上仅需0.193 s。MDTNet在保持高效率的同时保留了更多的高频细节, 能够为低剂量CT图像去噪提供一种新的框架。

来源：2024年第9期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第9期