基于双编码U-Net及离散小波变换的CBCT图像散射校正
摘要
在锥束计算机断层扫描（CT）成像过程中，康普顿效应影响重建图像的成像质量，导致出现散射伪影、CT值不准确等现象。提出一种双编码U-Net（DEU-Net）模型，并通过将该模型与二维离散小波变换相结合，实现散射校正。该模型在基本U-Net结构的基础上设计了两条编码路径，由密集连接卷积神经网络和Swin-Transformer组成。训练模型通过预测贴近标签数据的CT图像，实现图像域的初步散射校正，在投影域获得模型预测图像与原始带有散射信号的图像的差值图像。基于散射的低频特性，利用二维离散小波变换提取差值图像的低频散射信号，从原始图像中减去散射信号，获得校正后的CT图像，实现最终的散射校正。用来自18个病人的2200对盆骨数据集进行训练并测试，并对受散射影响较大的低剂量CT图像进行散射校正，验证该方法在临床上的有效性。实验结果表明，双编码网络模型与小波变换相结合的方法能有效地进行散射校正，提高锥束CT图像质量，在临床上有提高放射治疗诊断准确性的潜力。用该方法对航空发动机涡轮叶片的CT图像进行散射校正，验证其对真实散射伪影的校正能力。
引用本文（GB/T 7714）
晏婷 Yan Ting, 何朝良 He Chaoliang, 仝骞 Tong Qian, 等. 基于双编码U-Net及离散小波变换的CBCT图像散射校正[J]. Acta Optica Sinica, 2025.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。