On the Benefit of Dual-domain Denoising in a Self-supervised Low-dose CT Setting

要約

コンピュータ断層撮影（CT）は3次元の非侵襲的イメージングとして日常的に使用されている．低線量撮影における画質を回復するために、数多くのデータ駆動型画像ノイズ除去アルゴリズムが提案されている。しかし、適切な投影データや正しい再構成アルゴリズムへのアクセスが限られているため、生の検出器データに既に介入している方法について調査している研究はかなり少ない。この研究では、投影と画像の両領域におけるノイズ除去演算子を含む、エンドツーエンドの訓練可能なCT再構成パイプラインを提示し、グラウンドトゥルースの高線量CTデータを必要とせずに同時に最適化される。我々の実験では，投影ノイズ除去オペレータを追加することで，低線量ベースラインと比較して，腹部CTでは82.4-94.1%/12.5-41.7%（PSNR/SSIM），XRMデータでは 1.5-2.9%/0.4-0.5% (PSNR/SSIM) の総合ノイズ除去性能向上が確認されています．ヘリカルCT再構成フレームワーク全体を公開し、微分可能なファンビーム再構成オペレータとエンドツーエンド学習に適したヘリカル投影データを作成するための生投影再ビニングステップを含んでいます。

要約(オリジナル)

Computed tomography (CT) is routinely used for three-dimensional non-invasive imaging. Numerous data-driven image denoising algorithms were proposed to restore image quality in low-dose acquisitions. However, considerably less research investigates methods already intervening in the raw detector data due to limited access to suitable projection data or correct reconstruction algorithms. In this work, we present an end-to-end trainable CT reconstruction pipeline that contains denoising operators in both the projection and the image domain and that are optimized simultaneously without requiring ground-truth high-dose CT data. Our experiments demonstrate that including an additional projection denoising operator improved the overall denoising performance by 82.4-94.1%/12.5-41.7% (PSNR/SSIM) on abdomen CT and 1.5-2.9%/0.4-0.5% (PSNR/SSIM) on XRM data relative to the low-dose baseline. We make our entire helical CT reconstruction framework publicly available that contains a raw projection rebinning step to render helical projection data suitable for differentiable fan-beam reconstruction operators and end-to-end learning.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL