基于深度学习的双域信息CT金属伪影抑制方法
作者机构:中国科学院过程工程研究所介科学与工程全国重点实验室 北京动力机械研究所 北京航空航天大学机械工程及自动化学院
出 版 物:《北京航空航天大学学报》 (Journal of Beijing University of Aeronautics and Astronautics)
年 卷 期:2024年
核心收录:
学科分类:12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081104[工学-模式识别与智能系统] 080203[工学-机械设计及理论] 0802[工学-机械工程] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:国家重点研发计划(2022YFA1604000) 国家自然科学基金(52227802) 介科学与工程全国重点实验室开放课题(MESO-23-D02)
主 题:图像处理 深度学习 金属伪影抑制 双域信息 Pix2Pix 非局部网络
摘 要:当CT扫描视野中出现金属时,重建图像不可避免的会产生金属伪影,严重影响图像质量。为了抑制金属伪影,我们提出了一种新的深度学习CT金属伪影抑制方法,结合正弦图域和图像域的双域信息。首先采用自适应最优阈值分割算法分割CT图像中的金属并在正弦图中去除金属腐蚀区域,使用线性插值初步修复缺失的金属区域,然后采用正弦图修补网络(Sino-inpainting Network, SIN)修复受金属污染的正弦图,利用编码器-解码器网络结构恢复缺失的图像信息。网络输出的正弦图经过滤波反投影算法生成CT重建图像。对于初步校正后存在的正弦图信息不一致性问题,使用非局部细化网络(Non-local Refine Network, NLRN)在图像域进行修复,减少二次伪影产生。模拟与真实数据实验结果表明,该方法能有效减少金属伪影,同时保留了图像细节信息,显著提高了重建图像质量。