计算机应用

作者：胡紫琪, 谢凯, 文畅, 李美然, 贺建飚

单位：1.长江大学 电子信息学院,湖北 荆州 434023；2.长江大学 电工电子国家级实验教学示范中心,湖北 荆州 434023；3.长江大学 西部研究院,新疆 克拉玛依 834099；4.长江大学 计算机科学学院,湖北 荆州 434023；5.中南大学 计算机学院,长沙410083

关键词：低剂量计算机断层扫描,医学图像去噪,生成对抗网络,医学图像增强,非下采样轮廓波变换,图像融合

基金：新疆维吾尔自治区自然科学基金资助项目（2020D01A131）； 湖北省教育厅项目（B2019039）； 长江大学大学生创新创业训练计划项目（Yz2020059）。

为去除低剂量计算机断层扫描（LDCT）图像中的噪声，增强去噪后图像的显示效果，提出一种生成对抗网络（GAN）下的LDCT图像增强算法。首先，将GAN与感知损失、结构损失相结合对LDCT图像进行去噪；然后，对去噪后的图像分别进行动态灰度增强和边缘轮廓增强；最后，利用非下采样轮廓波变换（NSCT）将增强后的图像在频域上分解为具有多方向性的系数子图，并将配对的高低频子图使用卷积神经网络（CNN）进行自适应融合，以重构得到增强后的计算机断层扫描（CT）图像。使用AAPM比赛公开的真实临床数据作为实验数据集，进行图像去噪、增强、融合实验，所提方法在峰值信噪比（PSNR）、结构相似度（SSIM）和均方根误差（RMSE）上的结果分别为33.015 5 dB、0.918 5和5.99。实验结果表明，所提算法在去除噪声的同时能保留CT图像的细节信息，提高图像的亮度和对比度，有助于医生更加准确地分析病情。

来源：2023年第1期

《计算机应用》期刊编辑部

查看计算机应用杂志2023年第1期