典型文献
利用噪声等价图像和深度学习方法对低剂量CT降噪
文献摘要：
目的:研究在常规剂量扫描情况下模拟低剂量CT图像的方法，以此生成训练数据集中与常规剂量CT具有对应关系的低剂量CT图像，并建立深度学习模型，用于低剂量CT图像的降噪。方法:使用Philip Brilliance CT Big Bore模拟定位机，其不同算法重建的CT图像具有不同的噪声水平，其中iDose4算法噪声较大，而全模型迭代重建技术(iterative model reconstruction，IMR)噪声较小。提出一种以等价噪声水平重建图像替代低剂量CT图像的方法。常规剂量和低剂量CT的曝光量分别采用250和35 mAs。分别扫描CTP712均匀模块，用IMR算法重建低剂量CT图像，用不同降噪水平的iDose
4算法重建常规剂量CT图像，并根据噪声分布从中找出低剂量CT的噪声等价图像。随后，用常规剂量和噪声等价CT图像配对训练循环一致性生成对抗网络(cycle-consistent adversarial networks，CycleGAN)，使用模体测试该方法对真实低剂量CT噪声的改善程度。
结果:用iDose
4 level 1重建的常规剂量CT图像可替代IMR重建的低剂量CT图像。低剂量扫描可降低86%的辐射剂量。使用CycleGAN模型降噪后，对于均匀模块，降噪幅度为45%；对于CIRS-SBRT 038模体的脑、脊髓和骨等处，噪声值分别降低了50%，13%和7%。
结论:等价噪声水平重建图像可用于替代低剂量CT图像训练深度学习网络，在避免受检者受照剂量增加的同时，减少图像噪声，提高图像质量。
文献关键词：
低剂量CT;噪声等价图像;深度学习;降噪;放疗模拟定位
中图分类号：
作者姓名：
杨碧凝;刘宇翔;陈辛元;朱冀;曹莹;门阔
作者机构：
国家癌症中心 国家肿瘤临床医学研究中心 中国医学科学院北京协和医学院肿瘤医院，北京 100021
文献出处：
引用格式：
[1]杨碧凝;刘宇翔;陈辛元;朱冀;曹莹;门阔-.利用噪声等价图像和深度学习方法对低剂量CT降噪)[J].中华放射医学与防护杂志,2022(05):355-360
A类：
噪声等价图像,CTP712,iDose
,放疗模拟定位
B类：
深度学习方法,降噪,常规剂量,此生,训练数据集,深度学习模型,Philip,Brilliance,Big,Bore,模拟定位机,噪声水平,iDose4,全模型迭代重建,迭代重建技术,iterative,model,reconstruction,IMR,重建图像,曝光量,mAs,噪声分布,循环一致性生成对抗网络,cycle,consistent,adversarial,networks,CycleGAN,模体,体测,level,低剂量扫描,辐射剂量,CIRS,SBRT,脊髓,图像训练,深度学习网络,免受,受检者,受照剂量,图像噪声,图像质量
AB值：
0.340676
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。
