论文部分内容阅读
针对低剂量CT图像的噪声伪影问题,提出一种残差网络-迁移学习的图像噪声抑制算法。采用残差卷积神经网络框架,学习从低剂量CT图像到其噪声图像的映射关系。用自然图像对该模型进行简单的预训练;将CT图像数据对模型的共享参数进行微调;从低剂量CT图像中减去所得到的噪声图像,实现噪声抑制。实验表明:该方法能快速有效地将自然图像域的噪声抑制能力迁移到医学图像域,量化指标均优于传统的去噪算法,可以有效抑制噪声和保留图像的细节结构。