计算机应用

作者：王丽芳, 任文婧, 郭晓东, 张荣国, 胡立华

单位：1.太原科技大学 计算机科学与技术学院，太原 030024；2.太原科技大学 电子信息工程学院，太原 030024

关键词：低剂量计算机断层扫描,图像降噪,注意力机制,Transformer,生成对抗网络

基金：国家自然科学基金资助项目(62273248);山西省自然科学基金资助项目(202203021211206);山西省研究生教育改革项目(2022YJJG191);山西省研究生科研创新项目(2023KY657)

近些年，把生成对抗网络（GAN）应用于低剂量计算机断层扫描（LDCT）图像降噪取得了显著进展。然而，现有方法存在对复杂噪声分布建模能力不足以及结构细节保留能力有限等问题。因此，提出一种用于LDCT图像降噪的多路特征GAN ——Trident GAN。首先，设计特征引导生成器Trident Uformer，通过在U-Net结构的瓶颈层增加特征聚合注意力（FPA）模块解决U型结构空间分辨率较低的问题；其次，设计多路特征提取子模块Trident Block，并在3个分支中分别引入局部细节增强模块（LDEB）提取细节特征，轻量通道注意力模块（LCAB）增强通道特征，以及空间交互注意力模块（SIAB）获得重要空间特征；在SIAB中采用多级交互式注意力函数和评估机制设计空间上下文注意力机制（SCAM），解决单一注意力受限的问题；最后，设计多特征融合（MFF）模块来在三分支末端进行特征聚合，并对局部细节信息和全局语义信息进行建模，解决不同层次之间细节不连续的问题。此外，利用多尺度金字塔判别器（MSPD）在不同维度下检查生成结果的质量，指导具有全局一致性图像的生成。实验结果表明，在Mayo和Piglet数据集上，Trident GAN的平均峰值信噪比（PSNR）和结构相似性（SSIM）分别达到了31.519 3 dB/0.883 0和33.633 1 dB/0.947 8，与高频敏感GAN （HFSGAN）相比，参数量降低75.58%，测试时间缩短36.36%。可见，与HFSGAN等方法相比， Trident GAN可在较少的计算负荷下提高了图像质量。

来源：2026年第1期

《计算机应用》期刊编辑部

查看计算机应用杂志2026年第1期