基于神经网络学习的锥形束CT图像超分辨率重建算法

发布时间：2021-11-21 23:49

　　针对锥形束CT（CBCT）图像质量较差的问题,提出一种基于卷积神经网络的超分辨率重建（SRCNN）方法,旨在提高CBCT图像的分辨率。本研究分别对头颈、盆腔、胸部的CBCT图像进行研究,先使用非局部均值（NLM）方法对图像进行降噪处理,再分别使用双三次插值重建（BIC）方法和SRCNN重建方法进行超分辨率重建。结果表明,BIC方法和SRCNN重建方法均能提高CBCT图像的分辨率,SRCNN重建方法较BIC方法有更高的峰值信噪比,而在结构相似度和特征相似度上,BIC方法和SRCNN重建方法的差别不大。从图像峰值信噪比及特征相似度上看,此方法对盆腔部CBCT图像处理效果更为显著,对头颈部及胸部处理效果相近。 

【文章来源】：中国医学物理学杂志. 2020,37(07)CSCD

【文章页数】：5 页

【部分图文】：

SRCNN算法的框架图

PSNR是目前常用的图像质量量化评价的重要指标之一，是衡量图像噪声水平和图像失真的一种全参考评价标准[14]。其计算公式如下：图3 盆腔CBCT图像的NLM、SRCNN和BIC处理结果

图2 头部CBCT图像的NLM、SRCNN和BIC处理结果其中，I1为原始图像，I2为与I1大小相同的重建图像，P为图像中像素点的最大灰度值，w和h分别为图像的长与宽。PSNR单位为分贝（dB），用于表示图像的超分辨率时，PSNR计算值越大，表示重建后图像失真越少，则相应的超分辨率算法越好。

【参考文献】：
期刊论文
[1]基于CNN和Resblock的图像超分辨率重建算法[J]. 张健,何京璇,王容.  信息技术与网络安全. 2019(07)
[2]中值滤波!先验图像法去除CBCT图像噪声[J]. 马凤,齐宏亮,吴书裕,陈宇思,徐圆,彭晓龙,周凌宏.  核电子学与探测技术. 2018(03)
[3]基于极深卷积神经网络的人脸超分辨率重建算法[J]. 孙毅堂,宋慧慧,张开华,严飞.  计算机应用. 2018(04)
[4]基于小波变换的CBCT图像去噪方法研究[J]. 张传义.  电脑知识与技术. 2018(04)
[5]基于多模型高斯过程回归的肺部四维计算机断层扫描超分辨率重建[J]. 房诗婷,钟涛,陈瑾,张煜.  生物医学工程学杂志. 2017(06)
[6]超分辨率重建图像质量评价算法分析[J]. 王小怡,苏赋.  信息通信. 2017(09)
[7]锥形束CT在肿瘤精确放疗中的应用[J]. 刘轶群,王文玲.  肿瘤学杂志. 2013(12)
[8]超分辨率图像重建方法综述[J]. 苏衡,周杰,张志浩.  自动化学报. 2013(08)
[9]基于MATLAB的锥形束CT图像去噪研究[J]. 王为,吴国华,沈奕晨,张松方,蒋马伟.  中国医学物理学杂志. 2013(04)
[10]基于结构相似性的全参考图像质量评价[J]. 朱丽娟,赵青兰.  信息通信. 2013(01)



本文编号：3510500