换一批摘要目的:低剂量CT(LDCT)图像因存在大量噪声和伪影而严重影响临床诊断,为解决图像过度平滑、纹理细节丢失以及噪声伪影残留等问题,提出一种基于多尺度空洞卷积的反卷积-卷积残差网络(MDC-DCRN)用于LDCT重建图像去噪.方法:该网络采用反卷积-卷积的架构设计,以更好地保留图像细节,并引入多尺度空洞卷积模块增强对不同尺度特征的提取能力.此外,通过结合L1损失和感知损失的复合损失函数,有效缓解图像过度平滑问题.结果:在Mayo数据集上的实验结果表明,MDC-DCRN网络优于RED-CNN、EDCNN、WGAN-RAM和CTformer 4种经典去噪网络,能够有效去除噪声和伪影,恢复更多纹理细节信息.与LDCT图像相比,MDC-DCRN处理后图像的PSNR平均提高13.64%,SSIM平均提高4.57%,RMSE平均降低37.40%.结论:MDC-DCRN模型能够降低低剂量扫描产生的噪声,并有效地保留细节,为临床LDCT图像去噪提供一种新方法.
更多相关知识
栏目名称
DOI
10.3969/j.issn.1005-202X.2025.09.003
发布时间
2025-10-17（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
