首页 > 医疗卫生装备 > 基于改进Corediff模型的低剂量CT图像去噪方法研究

基于改进Corediff模型的低剂量CT图像去噪方法研究

Research on low-dose CT image denoising method based on improved Corediff model

二维码有效期 120s

摘要目的:为了提高图像质量并恢复图像的细节特征,提出一种基于改进Corediff模型的低剂量CT图像噪声去除方法.方法:在Corediff模型的基础上,对其关键组件U-Net网络进行改进构建RS-Corediff模型.首先,在网络输入阶段引入残差模块完成特征提取;其次,在U-Net网络编码器中设计新的下采样模块,利用卷积操作学习下采样过程中特征图的语义信息,维持下采样过程中的学习状态,充分提取图像特征;再次,在U-Net网络解码器上采样过程中,采用特征拼接处理,进一步加强学习效果;最后,在整个U-Net网络结构的卷积处理中,改变卷积核大小,调整感受野,获得更丰富的特征.为验证RS-Corediff模型在低剂量CT图像去噪方面的有效性,在公开数据集AAPM 2016 上与编解码网络(residual encoder-decoder convolutional neural network,RED-CNN)模型和 Corediff 模型进行对比.结果:RS-Corediff 模型的峰值信噪比(peak signal-to-noise ratio,PSNR)为 41.269 8、结构相似度(structural similarity,SSIM)为 0.953 4、均方根误差(root mean square error,RMSE)为 17.568 7,优于 RED-CNN 模型和 Corediff模型.结论:提出的方法在低剂量CT图像去噪过程中能够更有效地保留图像的纹理和细节,提升了图像的整体质量.