CT-Denoising-Summary: CT去噪文献综述

简介：
本综述文章全面总结了CT去噪领域的研究成果，涵盖了多种算法和技术，旨在为科研人员提供一个清晰的研究现状和未来发展方向。 使用方向小波进行低剂量X射线CT重建的深层卷积神经网络（KAIST-net）是基于AAPM-Mayo诊所低剂量CT大型挑战赛的数据集开发的，该数据集中仅包含腹部CT图像，尺寸为512x512像素，涉及10名患者共计5743个切片。研究采用了55x55大小的补丁模型，并且小波系数网络包含了24层卷积结构。 另一项研究通过在常规剂量的CT图像上添加泊松噪声来模拟低剂量的情况，所用数据集来自癌症影像档案馆（TCIA），包含256x256像素尺寸、165名患者共计7015个切片。这一方法使用了33x33大小的补丁，并构建了一个仅含三个层的卷积神经网络模型，结构为Conv-ReLU-Conv-ReLU-Conv。 此外还有一种基于残差卷积网络的方法被提出用于改善低剂量CT图像的质量，同样利用AAPM-Mayo诊所的数据集进行实验。该数据集中包含512x512像素、涉及10名患者共计5080个切片的腹部CT图像，并采用了44x44大小（二维）和44x44x24大小（三维）的补丁模型来训练改进后的网络结构。