典型文献
一种基于CycleGAN改进的低剂量CT图像增强网络
文献摘要：
低剂量CT是一种有效且相对安全的胸腹部疾病筛查手段,但图像中的伪影和噪声会严重影响医生的诊断.基于深度学习的图像增强方法中网络训练大多依赖于难以获取的配对数据,即同一患者相同部位像素级匹配的低剂量和常规剂量CT图像.针对非配对数据,提出了一种基于循环一致性生成对抗网络(CycleGAN)改进的低剂量CT图像增强网络,在生成器前添加浅层特征预提取模块,增强对CT图像特征的提取能力;并利用深度可分离卷积替换生成器中的部分普通卷积,减少网络参数和显存占用.该网络使用3275张低剂量CT图像和2790张非配对常规剂量CT图像进行训练,另外1716张低剂量CT图像进行测试.结果表明,该网络生成的CT图像的平均感知图像质量评价指标(PIQE)为45.53,比CycleGAN的结果降低了8.3％,更远低于三维块匹配滤波(BM3D)31.9％、无监督图像转换网络(UNIT)20.9％,且在结构细节保持、噪声和伪影抑制方面均获得了更好的主观视觉效果,是一种具有潜在临床应用前景的低剂量CT图像增强方法.
文献关键词：
低剂量CT;图像增强;深度学习;非配对数据;循环一致性生成对抗网络
中图分类号：
作者姓名：
廖仕敏;刘仰川;朱叶晨;王艳玲;高欣
作者机构：
徐州医科大学医学影像学院,江苏 徐州 221004;中国科学院苏州生物医学工程技术研究所医学影像技术研究室,江苏 苏州 215163;苏州高新区人民医院放射科,江苏 苏州 215129
文献出处：
引用格式：
[1]廖仕敏;刘仰川;朱叶晨;王艳玲;高欣-.一种基于CycleGAN改进的低剂量CT图像增强网络)[J].图学学报,2022(04):570-579
A类：
PIQE
B类：
CycleGAN,图像增强,胸腹部,腹部疾病,疾病筛查,增强方法,中网,网络训练,像素级,常规剂量,非配对数据,循环一致性生成对抗网络,生成器,预提,取模,图像特征,特征的提取,深度可分离卷积,网络参数,显存,网络使用,感知图像,图像质量评价,质量评价指标,更远,三维块匹配,匹配滤波,BM3D,无监督,图像转换,换网,UNIT,结构细节,细节保持,伪影抑制,视觉效果,临床应用前景
AB值：
0.376633
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
