Tomografía computarizada de mama basada en aprendizaje profundo para la reducción de la dosis de radiación
Wenxiang Cong, Hongming Shan, Xiaohua Zhang, Shaohua Liu, Ruola Ning, Ge Wang, "TC de mama basada en aprendizaje profundo para la reducción de la dosis de radiación", Proc. SPIE 11113, Desarrollos en tomografía de rayos X XII, 111131L (10 de septiembre de 2019)
Abstracto
La tomografía computarizada (TC) de seno de haz cónico proporciona imágenes de seno en 3D reales con resolución isotrópica e información de alto contraste, detectando calcificaciones tan pequeñas como unos pocos cientos de micras y revelando diferencias sutiles en los tejidos. Sin embargo, la mama es muy sensible a la radiación de rayos X. Es de vital importancia para el cuidado de la salud reducir la dosis de radiación. La TC de haz cónico de pocas vistas solo utiliza una fracción de los datos de proyección de rayos X adquiridos por la TC mamaria de haz cónico estándar, lo que permite una reducción significativa de la dosis de radiación. Sin embargo, los datos de muestreo insuficientes provocarían graves artefactos de rayas en las imágenes reconstruidas utilizando métodos convencionales. Proponemos un método basado en el aprendizaje profundo para la reconstrucción de imágenes para establecer un modelo de red neuronal residual, que se aplica a la TC de mama de pocas vistas para producir imágenes de TC de mama de alta calidad.