您当前的位置： 首页 > 论文 > 2023,54(01) > 综述
基金项目:
国家自然科学基金资助项目(61872261)；国家自然科学基金重大项目资助(U21A20469)
分类号:
TP3-05;TP389.1
DOI:
10.16355/j.cnki.issn1007-9432tyut.2023.01.001
期刊号:
2023,54(01)
收稿日期:
修回日期:
| 通讯作者 | 单位 |
| 强彦 | 太原理工大学 信息与计算机学院 |
摘要:
计算机断层扫描成像(CT)是临床医学中广泛使用的一种医学图像，它可以清晰地可视化人体内部精细结构细节。在临床操作中，为防止患者暴露在高辐射X射线束下引起组织受损，通常最小化X射线以获得CT图像，但会导致成像质量严重下降。为解决上述矛盾，如何重建出符合临床需求的CT图像是国内外研究者广泛关注的、具有挑战性的难点问题。随着人工智能领域深度学习技术的蓬勃发展，在大数据驱动下，利用深度学习技术来提升CT重建质量成为当前研究热点。本文分析了CT图像重建机理；总结了现有重建模型并梳理了重建方法的优劣势，根据深度学习方法的成像过程，将现有方法分为4大类，并依次介绍4类方法的基本思想，总结了重建方法优缺点；归纳了目前公开的公共数据集以及增加训练样本方法，并对损失函数的多样性进行对比分析；讨论了该新兴领域目前仍然存在的问题，展望了后续研究中需要解决的关键问题，以便于相关研究人员了解CT重建领域的研究现状,促进该领域的长足发展。
关键字:
人工智能；计算机断层扫描；图像重建；深度学习；投影域；图像域；双域网络