摘要: 稀疏投影可有效降低锥束CT(CBCT)扫描剂量和扫描时间,但会导致重建图像中出现大量条状伪影。正弦图修复可以生成缺失角度的投影数据,提高重建图像质量。提出一种用于正弦图修复的残差编解码–生成对抗网络(RED-GAN),利用RED模块替换Pix2pixGAN中的U-net生成器,并利用PatchGAN的条件判别器对修复后正弦图和真实正弦图进行鉴别。利用真实锥束CT投影数据进行网络训练,分别在1/2、1/3、1/4稀疏采样条件下测试网络,并与线性插值法、RED-CNN和Pix2pixGAN对比。RED-GAN的正弦图修复结果均优于线性插值法、残差编解码卷积神经网络(RED-CNN)及Pix2pixGAN,并在1/4稀疏采样条件下最为明显,在正弦图域中,均方根误差(RMSE)下降7.2%,峰值信噪比(PSNR)上升1.5%,结构相似性(SSIM)上升1.4%;在重建图像域中,RMSE下降4.6%,PSNR上升1.3%,SSIM上升1.0%。结果表明,提出的RED-GAN适用于稀疏投影锥束CT重建,在快速低剂量CT扫描领域具有潜在应用价值。
中图分类号: