基于双编码器双解码器GAN的低剂量CT降噪模型

作     者：上官宏 任慧莹 张雄 韩兴隆 桂志国 王燕玲 SHANGGUAN Hong;REN Huiying;ZHANG Xiong;HAN Xinglong;GUI Zhiguo;WANG Yanling

作者机构：太原科技大学电子信息工程学院太原030024 动态测试技术省部共建国家重点实验室(中北大学)太原030051 山西财经大学信息学院太原030006 

出 版 物：《计算机应用》 (journal of Computer Applications)

年 卷 期：2025年第45卷第2期

页      面：624-632页

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：国家自然科学基金资助项目(62001321) 山西省基础研究计划项目(202103021224265,202103021223308) 太原科技大学研究生教育创新项目(SY2022015,XCX212026) 

主　　题：低剂量计算机断层成像 生成对抗网络 编码器 解码器 降噪 

摘      要：近年来,生成对抗网络(GAN)用于低剂量计算机断层成像(LDCT)图像降噪已经表现出显著的性能优势,成为该领域的研究热点。然而,GAN的生成器对LDCT图像中噪声和伪影分布的感知能力不足,导致网络的降噪性能受限。因此,提出一种基于双编码器双解码器生成对抗网络(DualED-GAN)的低剂量CT降噪模型。首先,提出由一对编解码器构成伪影像素级特征提取通道,用于估计LDCT中的伪影噪声;其次,提出由另外一对编解码器构成伪影掩码信息提取通道,用于估计伪影的强度和位置信息;最后,采用伪影图像质量标签图辅助估计伪影的掩码信息,可以为伪影像素级特征提取通道提供补充特征,进而提高GAN降噪网络对伪影噪声分布强度的敏感性。实验结果表明,在mayo测试集上与次优模型DESD-GAN(Dual-Encoder-Single-Decoder based Generative Adversarial Network)相比,所提模型的平均峰值信噪比(PSNR)提高了0.3387 dB,平均结构相似性度(SSIM)提高了0.0028。可见,所提模型在伪影抑制、结构保留与模型鲁棒性方面均有更好的表现。