您当前的位置： 首页 > 论文 > 2020,51(02) > 信息与计算机
基金项目:
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)
分类号:
R817.4;TP391.41
DOI:
10.16355/j.cnki.issn1007-9432tyut.2020.02.006
期刊号:
2020,51(02)
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:
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。
关键字:
图像重建;空洞卷积;U-Net;感知损失;PET;VGG;