| 基于U型生成对抗网络的编码孔径CT成像方法 |
| |
| 引用本文： | 王志腾,冒添逸,张昕,朱书进,朱建建,戴修斌.基于U型生成对抗网络的编码孔径CT成像方法[J].CT理论与应用研究,2022,31(3):317-327. |
| |
| 作者姓名： | 王志腾 冒添逸 张昕 朱书进 朱建建 戴修斌 |
| |
| 作者单位： | 1.通信与信息工程学院； 南京邮电大学 |
| |
| 基金项目： | 国家自然科学基金（基于编码孔径的非扫描四维CT成像方法（62005128））；江苏省自然科学基金（基于多尺度细粒度网络和二值自编码模型的病理图像快速检索研究（BK20200745））；江苏省高等学校自然科学研究（基于动态变尺度栈式二值自编码的病理图像实时检索研究（20KJB510022））。 |
| |
| 摘 要： | 针对编码孔径CT成像非连续稀疏采样只能通过代数类迭代重建算法的缺点，本文提出一种基于U型生成对抗网络的编码孔径CT成像方法。通过构建基于U型生成对抗网络的非连续稀疏投影的动态博弈模型，结合联合损失函数，预测正弦图的结构性缺失，实现编码孔径CT成像分析类（非迭代）快速重建。实验结果表明，在辐射剂量降低95％ 的条件下，基于U型生成对抗网络的编码孔径CT成像方法实现了峰值信噪比大于30 dB @ 256×256的高质量重建。相比于目前最先进的编码孔径CT成像方法，其重建时间降低了约两个数量级。
|
| 关 键 词： | CT成像 编码孔径 生成对抗网络 |
| 收稿时间： | 2021-12-20 |
Coded Aperture Computed Tomography Via Generative Adversarial U-net |
| |
| Institution: | 1.Nanjing University of Posts and Telecommunications, Nanjing 210003, China School of Communications and Information engineering2.Nanjing University of Posts and Telecommunications, Nanjing 210003, China School of Geographic and Biologic Information2.Department of Neurosurgery, Rugao People’s Hospital, Rugao 226500, China |
| |
| Abstract: | Generative adversarial U-net for coded aperture computed tomography (CT) is proposed in this paper to alleviate the tradeoff between the non-continuous sparse projections and the ill-posedness iterative reconstruction problem. A non-continuous sparse projection model is presented based on generative adversarial U-net and the corresponding joint penalty function is formulated. Simulations using real datasets show that CT images with 256×256 pixels can be reconstructed with peak signal-to-noise ration more than 30 dB at only 5% transmittance. Furthermore, the computational time in the reconstructions is reduced by two orders of magnitude when compared with the state-of-the-art iterative algorithms in coded aperture computed tomography. |
| |
| Keywords: | |
|
| 点击此处可从《CT理论与应用研究》浏览原始摘要信息 |
| 点击此处可从《CT理论与应用研究》下载免费的PDF全文 |
