科研进展

深圳必发官网基于深度学习的CT投影数据重建获重要进展

时间:2018-04-12  来源:医工所微创中心 刘秋华 文本大小:【 |  | 】  【打印

  近日,必发官网_88必发官网_必发娱乐官网微创中心谢耀钦88必发官网员及其团队在基于深度学习的稀疏CT投影数据重建方面取得重要进展,相关成果A Sparse-View CT Reconstruction Method Based on Combination of DenseNet and Deconvolution被国际医学影像顶级期刊IEEE Transaction On Medical Imaging(IF=3.94)接收(DIO:10.1109/TMI.2018.2823338)。该论文提出了一种基于深度学习的新型的稀疏CT重建模型DD-Net,对于快速低剂量CT成像的应用88必发官网具有重要意义。论文的第一作者是博士88必发官网生张志诚,通信作者是谢耀钦88必发官网员。

  通常,在某一先验假设的前提下,88必发官网者利用优化理论,通过不停地迭代来获得理想的图像质量。本88必发官网充分利用DenseNet的稠密链接和特征复用的特点,结合反卷积网络,成功设计出一种新型端对端的网络模型DD-Net,该模型能够使网络参数量降低到同等宽度和深度的网络的1/3,大大地提高了网络的表达能力。

  谢耀钦团队致力于人工智能在医学影像引导,尤其是放射治疗中的应用88必发官网。目前已经将深度学习中的DD-Net、卷积神经网络等应用于医学影像的重建、分割、配准和质量评估等方面,并与美国弗吉尼亚理工、斯坦福大学、加州大学圣地亚哥分校、韦恩州立大学等开展合作。

  该项88必发官网获得国家重点研发计划数字诊疗专项的资助。

  论文链接

图1:DD-Net网络架构

图2:重建结果. (A) 参考图像, (B) FBP重建结果, (C) PWLS-TGV重建结果, (D) R-NLTV重建结果, (E) DD-Net重建结果

图3:图2(A)中红色标记局部区域的放大图(A) 参考图像, (B) FBP重建结果, (C) PWLS-TGV重建结果, (D) R-NLTV重建结果, (E) DD-Net重建结果