基于深度学习的乳腺 CT 减少辐射剂量
Wenxiang Cong、Hongming Shan、Xiaohua Zhang、Shaohua Liu、Ruola Ning、Ge Wang，“基于深度学习的乳腺 CT 降低辐射剂量”，Proc。 SPIE 11113，X 射线层析 XII 的发展，111131L（2019 年 9 月 10 日）
摘要
锥形束乳腺计算机断层扫描 (CT) 提供具有各向同性分辨率和高对比度信息的真实 3D 乳腺图像，可检测小至几百微米的钙化并揭示细微的组织差异。 然而，乳房对X射线辐射高度敏感。 减少辐射剂量对医疗保健至关重要。 少视图锥束CT仅使用标准锥束乳腺CT获取的一小部分X射线投影数据，能够显着降低辐射剂量。 然而，采样数据不足会导致使用传统方法重建的图像出现严重的条纹伪影。 我们提出了一种基于深度学习的图像重建方法来建立残差神经网络模型，该模型应用于少视图乳腺 CT 以产生高质量的乳腺 CT 图像。