结合残差U-Net神经网络和DIP的PET图像降噪

作     者：黄兴 杨瑞梅 HUANG Xing;YANG Ruimei

作者机构：重庆邮电大学移通学院大数据与软件学院重庆合川401520 重庆师范大学涉外商贸学院大数据与智能工程学院重庆合川401520 

出 版 物：《光学技术》 (Optical Technique)

年 卷 期：2021年第47卷第2期

页      面：209-216页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：重庆市教育委员会科学技术研究项目(KJQN201902002) 

主　　题：成像光学 正电子发射型计算机断层显像 残差学习 U-Net神经网络 深度图像先验 图像降噪 

摘      要：由于正电子发射型计算机断层显像(PET)噪声较大,现有图像降噪效果不理想,提出了一种结合残差U-Net神经网络和深度图像先验(DIP)的PET图像降噪。在U-Net网络中引入残差学习,提高网络表达能力和收敛速度;提出一种无训练数据的DIP算法,将神经网络解释为图像的参数化,利用图像噪声参数化后呈现高阻抗的特性将其去除,达到降噪的目的;在BrainWeb脑部图像数据集上进行实验,并对实验结果进行了对比分析。分析结果表明,所提方法能够得到边缘清晰且平滑的图像,在不同噪声等级和时间帧中,其去噪效果均优于其他对比方法,可获得高质量的图像。