WIA-LD2ND: Wavelet-based Image Alignment for Self-supervised Low-Dose CT Denoising

要約

臨床検査および診断において、低線量コンピュータ断層撮影 (LDCT) は、通常線量コンピュータ断層撮影 (NDCT) と比較して健康リスクを最小限に抑えるために非常に重要です。
ただし、放射線量を減らすと信号対雑音比が低下し、CT 画像の品質が低下します。
これに対処するために、周波数の観点からの実験結果に基づいて LDCT ノイズ除去タスクを分析し、NDCT データのみを使用する、WIA-LD2ND と呼ばれる新しい自己教師あり CT 画像ノイズ除去手法を導入します。
提案された WIA-LD2ND は、ウェーブレットベースの画像アライメント (WIA) と周波数認識マルチスケール損失 (FAM) の 2 つのモジュールで構成されます。
まず、WIA は主に高周波成分にノイズを追加することで NDCT を LDCT と調整するために導入されており、これが LDCT と NDCT の主な違いです。
第 2 に、高周波成分と詳細情報をより適切に捕捉するために、マルチスケール特徴空間を効果的に利用することにより、周波数認識マルチスケール損失 (FAM) が提案されます。
2 つの公開 LDCT ノイズ除去データセットに対する広範な実験により、NDCT のみを使用する当社の WIA-LD2ND が、既存のいくつかの最先端の弱教師あり自己教師あり手法よりも優れていることが実証されました。
ソースコードは https://github.com/zhaohaoyu376/WI-LD2ND で入手できます。

要約(オリジナル)

In clinical examinations and diagnoses, low-dose computed tomography (LDCT) is crucial for minimizing health risks compared with normal-dose computed tomography (NDCT). However, reducing the radiation dose compromises the signal-to-noise ratio, leading to degraded quality of CT images. To address this, we analyze LDCT denoising task based on experimental results from the frequency perspective, and then introduce a novel self-supervised CT image denoising method called WIA-LD2ND, only using NDCT data. The proposed WIA-LD2ND comprises two modules: Wavelet-based Image Alignment (WIA) and Frequency-Aware Multi-scale Loss (FAM). First, WIA is introduced to align NDCT with LDCT by mainly adding noise to the high-frequency components, which is the main difference between LDCT and NDCT. Second, to better capture high-frequency components and detailed information, Frequency-Aware Multi-scale Loss (FAM) is proposed by effectively utilizing multi-scale feature space. Extensive experiments on two public LDCT denoising datasets demonstrate that our WIA-LD2ND, only uses NDCT, outperforms existing several state-of-the-art weakly-supervised and self-supervised methods. Source code is available at https://github.com/zhaohaoyu376/WI-LD2ND.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google