南方医科大学学报

作者：韦子权,王永波,陶 熙,贾 晓,边兆英,谌高峰,李明强,马 昆,李 彬,马建华

目的 稀疏角度CT具有加速数据采集和减少辐射剂量的优点。然而，由于采集信息的减少，使用传统滤波反投影算法（FBP）进行重建得到的图像中伴有严重的条形伪影和噪声。针对这一问题，本文提出基于多尺度小波残差网络（MWResNet）对稀疏角度CT图像进行恢复。方法 本网络中将小波网络与残差块相结合，用以增强网络对图像特征的提取能力和加快网络训练效率。实验中使用真实的螺旋几何CT图像数据“Low-dose CT Grand Challenge”数据集训练网络。通过观察图像表征和计算定量参数的方法对结果进行评估，并与其他现有网络进行比较，包括图像恢复迭代残差卷积网络（IRLNet），残差编码解码卷积神经网络（REDCNN）和FBP卷积神经网络（FBPConvNet）。结果 实验结果表明，本文提出的多尺度小波残差网络优于其余对比方法。结论 本文提出的MWResNet网络能够在保持稀疏角度CT图像边缘细节信息的同时有效抑制噪声和伪影。

来源：2019年第11期

《南方医科大学学报》期刊编辑部

查看南方医科大学学报杂志2019年第11期