基于多通道交叉卷积UCTransNet的双能CT基材料分解方法
Dual-Energy CT Base Material Decomposition Method Based on Multi-Channel Cross-Convolution UCTransNet作者机构:安徽工程大学计算机与信息学院安徽芜湖241000 计算机网络和信息集成教育部重点实验室(东南大学)江苏南京210096 东南大学影像科学与技术实验室江苏南京210096
出 版 物:《光学学报》 (Acta Optica Sinica)
年 卷 期:2024年第44卷第5期
页 面:128-142页
核心收录:
学科分类:081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0702[理学-物理学] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:国家自然科学基金(61801003) 安徽省高等学校科学研究项目(2022AH050968)
主 题:机器视觉 双能计算机断层成像 基材料分解 多通道交叉卷积 注意力 噪声抑制
摘 要:提出一种基于多通道交叉卷积UCTransNet(MC-UCTransNet)的图像域双材料分解方法。该网络以UCTransNet为基础架构,采用通道交叉融合转换器和通道交叉注意模块来提高基材料分解性能,实现双输入双输出的端到端映射。网络中通道交叉融合模块和通道交叉注意模块可更好地捕捉复杂的通道信号相关性,以更充分地进行特征提取与融合,实现基材料生成路径之间的信息交换。为进一步提高模型的拟合性能,网络训练时采用混合损失及Sigmoid函数的归一化方法。实验结果表明,在骨骼基材料及软组织碘基材料分解任务中,所提方法能获得优质的基材料图像,与对比方法相比,其分解后的基材料图像在准确度及噪声伪影抑制上表现更好。