基于多注意力融合增强Restormer的低剂量CT图像重建
吴送稳
方晨韵
乔志伟
山西大学计算机与信息技术学院,太原 030006
摘要：计算机断层成像(CT)技术在医学诊断中起着至关重要的作用.在CT图像重建中保持投影角度数量不变的情况下,降低每个投影角度的辐射剂量,是一种实现低剂量CT的有效方法.这会使得重建出的CT图像中含有较大的噪声,影响后续的图像分析和研究.针对上述问题,提出一种融合多注意力机制和特征融合机制的增强的Restormer网络(ERestormer)用于低剂量CT图像去噪.该网络融合通道注意力、感受野注意力和多头转置注意力以增强网络对重要信息的关注能力,进而提高网络的特征学习能力.另外,本网络引入特征融合机制来增强编码器和解码器之间的特征复用.实验结果证明,与DNCNN、RED-CNN、UNet、Uformer和Restormer 5种经典的网络相比,所提出的网络具有更好地去噪性能和保留图像细节信息的能力.
关键词：计算机断层成像低剂量CT通道注意力感受野注意力特征融合
分类号：TP183(自动化基础理论)TP391(计算技术、计算机技术)R144.1(放射卫生)
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)
论文发表日期：2026-01-31
在线出版日期：2026-03-06（本平台首次上网日期，不代表文献的发表时间）
页数：10( 48-57 )
英文信息