基于噪声水平估计的多孔准直X射线荧光CT去噪算法

IF 1.6 4区 物理与天体物理 Q3 OPTICS
光学学报 Pub Date : 2023-01-01 DOI:10.3788/aos230679
赵如歌 Zhao Ruge, 冯鹏 Feng Peng, 罗燕 Luo Yan, 张颂 Zhang Song, 何鹏 He Peng, 刘亚楠 Liu Yanan
{"title":"基于噪声水平估计的多孔准直X射线荧光CT去噪算法","authors":"赵如歌 Zhao Ruge, 冯鹏 Feng Peng, 罗燕 Luo Yan, 张颂 Zhang Song, 何鹏 He Peng, 刘亚楠 Liu Yanan","doi":"10.3788/aos230679","DOIUrl":null,"url":null,"abstract":"X射线荧光CT(XFCT)是X射线CT与X射线荧光分析相结合的新型成像方式,可用于探测被修饰后的纳米金颗粒在肿瘤内部的分布及质量分数,在早期癌症诊疗方面具有较好的应用潜力。如何抑制XFCT成像的康普顿散射噪声是当前的热点问题。本文基于深度学习方法,通过卷积神经网络学习图像中的噪声分布规律,从而抑制噪声。基于此,提出了一种基于噪声水平估计和卷积神经网络的XFCT去噪网络(NeCNN)算法,该算法运用噪声估计子网络及去噪主网络进行去噪。估计子网络通过去噪卷积神经网络(DnCNN)估计噪声水平并初步降噪,随后将估计结果输入去噪主网络——全卷积神经网络(FCN)用于学习康普顿散射的分布规律,同时为兼顾局部与全局最优解采用均方误差(MSE)及结构相似度(SSIM)作为损失函数。数据集通过Geant4软件模拟扫描填充各种金属纳米颗粒(Au、Bi、Ru、Gd)的空气模体及聚甲基丙烯酸甲酯(PMMA)模体来获取,且设置不同入射X射线的强度,以此模拟不同噪声水平,增强模型泛化能力。实验结果表明,与三维块匹配滤波(BM3D)及DnCNN算法相比,NeCNN算法的去噪结果最优,其SSIM为0.95066,峰值信噪比(PSNR)为29.01558,图像质量提高最为显著。","PeriodicalId":7103,"journal":{"name":"光学学报","volume":"68 1","pages":"0"},"PeriodicalIF":1.6000,"publicationDate":"2023-01-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"基于噪声水平估计的多孔准直X射线荧光CT去噪算法\",\"authors\":\"赵如歌 Zhao Ruge, 冯鹏 Feng Peng, 罗燕 Luo Yan, 张颂 Zhang Song, 何鹏 He Peng, 刘亚楠 Liu Yanan\",\"doi\":\"10.3788/aos230679\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"X射线荧光CT(XFCT)是X射线CT与X射线荧光分析相结合的新型成像方式,可用于探测被修饰后的纳米金颗粒在肿瘤内部的分布及质量分数,在早期癌症诊疗方面具有较好的应用潜力。如何抑制XFCT成像的康普顿散射噪声是当前的热点问题。本文基于深度学习方法,通过卷积神经网络学习图像中的噪声分布规律,从而抑制噪声。基于此,提出了一种基于噪声水平估计和卷积神经网络的XFCT去噪网络(NeCNN)算法,该算法运用噪声估计子网络及去噪主网络进行去噪。估计子网络通过去噪卷积神经网络(DnCNN)估计噪声水平并初步降噪,随后将估计结果输入去噪主网络——全卷积神经网络(FCN)用于学习康普顿散射的分布规律,同时为兼顾局部与全局最优解采用均方误差(MSE)及结构相似度(SSIM)作为损失函数。数据集通过Geant4软件模拟扫描填充各种金属纳米颗粒(Au、Bi、Ru、Gd)的空气模体及聚甲基丙烯酸甲酯(PMMA)模体来获取,且设置不同入射X射线的强度,以此模拟不同噪声水平,增强模型泛化能力。实验结果表明,与三维块匹配滤波(BM3D)及DnCNN算法相比,NeCNN算法的去噪结果最优,其SSIM为0.95066,峰值信噪比(PSNR)为29.01558,图像质量提高最为显著。\",\"PeriodicalId\":7103,\"journal\":{\"name\":\"光学学报\",\"volume\":\"68 1\",\"pages\":\"0\"},\"PeriodicalIF\":1.6000,\"publicationDate\":\"2023-01-01\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"光学学报\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.3788/aos230679\",\"RegionNum\":4,\"RegionCategory\":\"物理与天体物理\",\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"Q3\",\"JCRName\":\"OPTICS\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"光学学报","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.3788/aos230679","RegionNum":4,"RegionCategory":"物理与天体物理","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q3","JCRName":"OPTICS","Score":null,"Total":0}
引用次数: 0

摘要

X射线荧光CT(XFCT)是X射线CT与X射线荧光分析相结合的新型成像方式,可用于探测被修饰后的纳米金颗粒在肿瘤内部的分布及质量分数,在早期癌症诊疗方面具有较好的应用潜力。如何抑制XFCT成像的康普顿散射噪声是当前的热点问题。本文基于深度学习方法,通过卷积神经网络学习图像中的噪声分布规律,从而抑制噪声。基于此,提出了一种基于噪声水平估计和卷积神经网络的XFCT去噪网络(NeCNN)算法,该算法运用噪声估计子网络及去噪主网络进行去噪。估计子网络通过去噪卷积神经网络(DnCNN)估计噪声水平并初步降噪,随后将估计结果输入去噪主网络——全卷积神经网络(FCN)用于学习康普顿散射的分布规律,同时为兼顾局部与全局最优解采用均方误差(MSE)及结构相似度(SSIM)作为损失函数。数据集通过Geant4软件模拟扫描填充各种金属纳米颗粒(Au、Bi、Ru、Gd)的空气模体及聚甲基丙烯酸甲酯(PMMA)模体来获取,且设置不同入射X射线的强度,以此模拟不同噪声水平,增强模型泛化能力。实验结果表明,与三维块匹配滤波(BM3D)及DnCNN算法相比,NeCNN算法的去噪结果最优,其SSIM为0.95066,峰值信噪比(PSNR)为29.01558,图像质量提高最为显著。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
基于噪声水平估计的多孔准直X射线荧光CT去噪算法
X射线荧光CT(XFCT)是X射线CT与X射线荧光分析相结合的新型成像方式,可用于探测被修饰后的纳米金颗粒在肿瘤内部的分布及质量分数,在早期癌症诊疗方面具有较好的应用潜力。如何抑制XFCT成像的康普顿散射噪声是当前的热点问题。本文基于深度学习方法,通过卷积神经网络学习图像中的噪声分布规律,从而抑制噪声。基于此,提出了一种基于噪声水平估计和卷积神经网络的XFCT去噪网络(NeCNN)算法,该算法运用噪声估计子网络及去噪主网络进行去噪。估计子网络通过去噪卷积神经网络(DnCNN)估计噪声水平并初步降噪,随后将估计结果输入去噪主网络——全卷积神经网络(FCN)用于学习康普顿散射的分布规律,同时为兼顾局部与全局最优解采用均方误差(MSE)及结构相似度(SSIM)作为损失函数。数据集通过Geant4软件模拟扫描填充各种金属纳米颗粒(Au、Bi、Ru、Gd)的空气模体及聚甲基丙烯酸甲酯(PMMA)模体来获取,且设置不同入射X射线的强度,以此模拟不同噪声水平,增强模型泛化能力。实验结果表明,与三维块匹配滤波(BM3D)及DnCNN算法相比,NeCNN算法的去噪结果最优,其SSIM为0.95066,峰值信噪比(PSNR)为29.01558,图像质量提高最为显著。
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
光学学报
光学学报 光学
CiteScore
2.80
自引率
37.50%
发文量
16537
期刊介绍: Researching is owned by Chinese Laser Press (CLP), which is established by Shanghai Institute of Optics and Fine Mechanics and Chinese Optical Society in 2009. Nowadays, CLP publishes 11 journals and manages three online platforms. Journal publishing activities include both traditional and digital models, and the first journal can be traced back to 1964. The CLP Online Library includes the CLP journals and partnered ones in China, and provides literature and intelligence services for users. The product platform, named as OEShow, connects sellers and buyers of optoelectronics products. Researching (formerly known as The CLP Publishing) is featured with stable operation and leading technology, collects CLP journals and partnered optics and photonics journals, and provides readers an optical publishing platform with global influence. CLP is on the way of building a modern publishing group combining traditional business and digital publishing.
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信