基于空洞U-Net神经网络的PET图像重建算法_中国煤炭行业知识服务平台

基于空洞U-Net神经网络的PET图像重建算法

作者

杜倩倩强彦李硕杨晓棠
单位

太原理工大学信息与计算机学院加拿大西安大略大学医学影像和医学生物物理学系山西省肿瘤医院放射科
摘要

为了提高PET重建的图像质量,提出一种基于空洞U-Net神经网络(Dilated U-Net,D-Unet)的PET图像重建方法。首先,在不增加参数量的情况下,为了更好地增强上下文语义信息,提取更深层次的图像特征,设计了嵌套空洞卷积的残差块(residual dense blocks nested with dilations,RnD Blocks)对含有径向条纹伪影和高噪声的图像进行处理。另外,结合基于预先训练的VGG网络特征的感知损失代替传统的均方误差作为训练损失函数来保留图像细节,构建了端到端的PET图像重构网络。实验结果表明,该算法在降低复杂性、保持较高收敛速度的同时,能够更好地抑制噪声,重构效果相比于传统方法有明显提高。
关键词

图像重建空洞卷积U-Net感知损失PETVGG
基金项目(Foundation)

国家自然科学基金资助项目(61872261)；山西省自然科学基金资助项目(201801D121139)；虚拟现实技术与系统国家重点实验室开放基金资助(VRLAB2018A08)；
相关文章

[1]人工智能在医学CT图像重建中的研究进展
[2]基于双域多阶段联合降噪的低剂量CT图像重建