基于Transformer增强型U-net的CT图像稀疏重建与伪影抑制
樊雪林1
文昱齐2
乔志伟1
1.山西大学计算机与信息技术学院, 太原 0300062.北京理工大学材料学院, 北京 102401
摘要：实现低剂量计算机断层成像(CT)的一个有效办法是减少投影角度,但投影角度较少会产生严重的条状伪影,降低图像的临床使用价值.针对该问题,提出一种耦合卷积神经网络(CNN)和多种注意力机制的U型网络(TE-unet).首先采用U型架构提取多尺度特征信息;其次提出一个包含CNN和多种注意力的模块提取图像特征;最后在跳跃连接处加入Transformer块过滤信息,抑制不相关特征,突出重要特征.所提网络结合CNN的局部特征提取能力和Transformer的全局信息捕获能力,辅以多种注意力机制,实现了良好的去条状伪影能力.在60个投影角度下,与经典的Uformer网络相比,峰值信噪比(PSNR)高出0.3178 dB,结构相似度(SSIM)高出0.002,均方根误差(RMSE)降低0.0005.实验结果表明,所提TE-unet重建的图像精度更高,图像细节保留的更好,可以更好地压制条状伪影.
关键词：稀疏重建计算机断层成像Transformer多注意力机制条状伪影
分类号：O242(计算数学)TP391(计算技术、计算机技术)
资助基金：国家自然科学基金(62071281)中央引导地方科技发展资金项目(YDZJSX2021A003)山西省回国留学人员科研资助项目(2020-008)
论文发表日期：2024-01-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：12( 1-12 )
英文信息