基于特征融合的低剂量CT图像降噪方法

作     者：冉瑞生 张思文 李进 房斌 RAN Ruisheng;ZHANG Siwen;LI Jin;FANG Bin

作者机构：重庆师范大学计算机与信息科学学院重庆401331 重庆大学计算机学院重庆400044 

出 版 物：《微电子学与计算机》 (Microelectronics & Computer)

年 卷 期：2024年第41卷第5期

页      面：11-21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：重庆市技术创新与应用发展专项(面上)(cstc2020jscx-msxmX0190) 重庆市教委科学技术研究计划(KJZD-K202100505,KJQN202100515) 

主　　题：图像降噪 低剂量CT 特征融合 Transformer CNN 边缘增强 损失函数 

摘      要：近年来低剂量CT(Low Dose CT,LDCT)被广泛应用于临床诊断中,但LDCT会产生不规则的噪声。已有的降噪方法往往缺乏对全局特征信息的考虑,以及不注重边缘特征信息和重建图像的视觉效果。为此,提出了一种基于特征融合的低剂量CT图像降噪方法。首先,利用Transformer优异的全局感受野提取图像的全局特征信息,并利用卷积神经网络(Convolutional Neural Network,CNN)良好的局部特征提取能力提取图像的局部特征信息。在Transformer模块中加入维度变换思想,以更好地抑制噪声;在CNN模块中使用稠密连接的方式将浅层网络的特征信息复用于深层网络中,以此保存更多的特征信息。其次,为了获取更加丰富的图像细节特征,使用了改进的索伯边缘增强算子来加强模型对边缘特征信息的提取能力。最后,将Transformer模块和CNN模块获取的特征信息进行融合并输出重建图像。此外,为了使降噪重建后的图像有更好的质量和视觉效果,设计了一个多尺度复合损失函数。实验表明:在AAPM-Mayo数据集的降噪实验中,与当前主流的LDCT图像降噪方法相比,本文方法取得了更好的降噪效果。