投影域与图像域联合学习重建网络用于重建有限角度胸部CT图像

作     者：陈杰 王克强 简建波 王鹏 吴君 张文学 CHEN Jie;WANG Keqiang;JIAN Jianbo;WANG Peng;WU Jun;ZHANG Wenxue

作者机构：天津医科大学总医院放射治疗科天津300052 

出 版 物：《中国医学影像技术》 (Chinese Journal of Medical Imaging Technology)

年 卷 期：2024年第40卷第9期

页      面：1410-1416页

核心收录：

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 100207[医学-影像医学与核医学] 1006[医学-中西医结合] 1002[医学-临床医学] 1001[医学-基础医学(可授医学、理学学位)] 08[工学] 1010[医学-医学技术（可授医学、理学学位）] 100214[医学-肿瘤学] 100106[医学-放射医学] 10[医学] 100602[医学-中西医结合临床] 

主　　题：胸部 深度学习 体层摄影术,X线计算机 

摘      要：目的观察双域(投影域与图像域)联合学习重建网络(DDRNet)用于重建胸部有限角度CT图像的价值。方法回顾性收集65例胸部肿瘤患者共4300幅胸部增强CT图像,以DDRNet进行重建,并将三维与二维投影信息融合;评估重建效果,并与单域重建,滤波反投影法(FBP)、基于残差的编码/解码网络(RED-CNN)、Resnet+反卷积网络(RDN)及生成对抗网络(GAN)重建结果进行比较。结果DDRNet重建图像峰值信噪比(PSNR)于迭代约60轮后,而投影域和图像域学习网络则于迭代约90轮和80轮后趋于稳定。训练稳定后,相比投影域学习网络,DDRNet和图像域学习网络输出结果波动更小;训练200轮后,DDRNet重建图像PSNR显著高于投影域和图像域学习网络。DDRNet重建图像质量明显优于FBP、RED-CNN、RDN及GAN。结论DDRNet可有效重建高质量胸部有限角度CT图像。