基于卷積神經(jīng)網(wǎng)絡(luò)的低劑量CT圖像處理方法.pdf

1、低劑量計(jì)算機(jī)斷層成像(Computed Tomography，CT)的主要目標(biāo)是在低劑量掃描條件下能夠達(dá)到正常劑量CT的成像質(zhì)量。采用現(xiàn)有低劑量CT圖像處理方法會(huì)引起邊界模糊，對比度降低等問題，存在很大局限性。卷積神經(jīng)網(wǎng)絡(luò)通過構(gòu)建深層網(wǎng)絡(luò)能夠?qū)?fù)雜問題進(jìn)行非線性建模，有效提取圖像的整體特征和邊界輪廓等局部特征，近幾年在計(jì)算機(jī)視覺領(lǐng)域取得突破性進(jìn)展。因此，本課題基于卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行低劑量CT處理的研究，旨在提高低劑量CT成像質(zhì)量，在對醫(yī)療

2、診斷治療提供有力輔助的同時(shí)，減少對被掃描者的輻射危害。本課題分為以下兩個(gè)部分:
　　以卷積神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)對低劑量投影數(shù)據(jù)進(jìn)行濾波，去除大部分噪聲，然后對濾波后的投影數(shù)據(jù)采用濾波反投影(Filtered back-projection，F(xiàn)BP)重建得到高質(zhì)量的CT圖像。該算法的主要思路是:低劑量和高劑量掃描條件下的投影數(shù)據(jù)經(jīng)過指數(shù)變換和Anscombe變換，得到的含高斯分布噪聲的低劑量光子數(shù)和高劑量光子數(shù)作為訓(xùn)練數(shù)據(jù)，設(shè)計(jì)二維殘差卷

3、積網(wǎng)絡(luò)訓(xùn)練低劑量光子數(shù)和其噪聲分布之間的端到端復(fù)雜映射關(guān)系。并將網(wǎng)絡(luò)模型推廣到三維以更好地利用被掃描人體從不同角度投影的數(shù)據(jù)信息。實(shí)驗(yàn)結(jié)果表明，二維濾波模型能夠有效地去除噪聲，但會(huì)引起圖像模糊，三維模型能夠在二維基礎(chǔ)上提升去噪效果，且更好地保持圖像對比度。
　　基于卷積神經(jīng)網(wǎng)絡(luò)對含有大量噪聲偽影的低劑量CT圖像進(jìn)行后處理，提高其成像質(zhì)量。該算法的主要思路是以低劑量和高劑量CT圖像作為訓(xùn)練數(shù)據(jù)，設(shè)計(jì)二維卷積網(wǎng)絡(luò)對低劑量CT圖像和其包

4、含的噪聲進(jìn)行圖像到圖像的端到端回歸建模，并探索影響模型性能的因素。實(shí)驗(yàn)結(jié)果表明，使用殘差網(wǎng)絡(luò)結(jié)構(gòu)，適當(dāng)增加網(wǎng)絡(luò)深度、寬度，使用dropout，合理設(shè)計(jì)損失函數(shù)以及集成不同模型測試結(jié)果均會(huì)提升網(wǎng)絡(luò)性能。為綜合利用被掃描個(gè)體在三維立體的結(jié)構(gòu)信息，本文使用了三維網(wǎng)絡(luò)模型學(xué)習(xí)三維CT圖像塊中包含的噪聲分布。對二維和三維低劑量CT圖像后處理網(wǎng)絡(luò)模型處理結(jié)果進(jìn)行主觀和定量客觀質(zhì)量評價(jià)。三維模型能夠根據(jù)組織的三維結(jié)構(gòu)連續(xù)性，提取人體器官組織結(jié)構(gòu)和噪聲