基于深度学习的医用锥形束CT图像散射伪影校正的研究进展.pdf

第32卷第2期CT理论与应用研究Vol.32,1No.2

2023年3月（285-296）CTTheoryandApplicationsMar.,2023

张文君，黄钢，丁海宁，等．基于深度学习的医用锥形束CT图像散射伪影校正的研究进展[J]．CT理论与应用研究，2023，32(2）：285-296.

D0I:10.15953/j.ctta.2022.131.

ZHANGwJ,HUANGG,DINGHN,etal.ResearchProgressofScatteringArtifactCorrectioninMedicalCone-beamComputedTomo

graphyImagingBasedonDeepLearning[J].CTTheoryandApplications,2023,32(2):285-296.D0I:10.15953/j.ctta.2022.131.(inChinese).

基于深度学习的医用锥形束CT图像

散射伪影校正的研究进展

张文君，黄钢，丁海宁，徐红春

1.上海理工大学健康科学与工程学院，上海200093

2.上海健康医学院附属嘉定中心医院上海市分子影像学重点实验室，上海201318

3.纳米维景（上海）医疗科技有限公司，上海200120

摘要：医用计算机断层扫描成像系统中，X射线与物体相互作用产生的康普顿散射光子严重影响了图像

质量，尤其在锥形束计算机断层扫描和多层探测器系统中。目前已有许多散射伪影校正方法，归纳为

3类：硬件校正、软件校正、软硬件混合校正方法，但近年随着计算机计算能力的提高以及深度学习在

医学图像处理领域的发展，出现了一些新的散射校正方法。本文首先介绍传统校正方法；然后详细介绍

基于深度学习方法进行散射伪影校正，并将其分为基于图像域和基于投影域的深度学习方法，以及对不

同的深度学习网络在散射伪影校正中的应用进行讨论；最后展望深度学习在多源计算机断层扫描技术中

的应用前景。

关键词：X射线光学；深度学习；康普顿散射；锥形束CT；伪影校正

D0I:10.15953/j.ctta.2022.131中图分类号：0242；0434.1；TP319.41文献标识码：A

计算机断层扫描技术（computedtomography，CT）是利用X射线从多个方向照射待测物体，得

到透射X射线量，并使用数学方法重建出物体某一断层上X射线衰减系数分布图，重现物体内部结

构信息的一种技术。该技术凭借诊断价值高、成像速度快和待测物体无损等优势，广泛应用于医用

诊断、辅助放疗、工业测量和动物实验等领域。然而随CT技术不断发展，CT图像的伪影问题也日

益凸显，包括射束硬化伪影、散射伪影、金属伪影、运动伪影以及混淆伪影等，其中X射线散射导

致采集图像出现杯状伪影或高衰减物质间的条状或带状的散射伪影，降低图像对比度，使CT值不准

确，严重影响图像质量。

目前，医用锥形束CT（cone-beamcomputedtomography，CBCT）散射伪影校正一直是一个函

待解决的问题，人们也研究出许多去除散射伪影的方法，并将其分为：硬件校正方法、软件校正方

法、软硬件混合校正方法[2-41，有研究表明，近年来发展的深度学习方法的校正效果优于常用的传统

校正方法[5-6]

本文介绍传统的医用CBCT散射伪影校正方法，重点介绍基于深度学习的医用CBCT散射伪影校

正，将其按数据集分为基于投影域的学习方法和基于图像域的学习方法，并简述两者优缺点；其次

从深度学习网络结构的角度分析不同网络的优劣；最后对深度学习方法用于医用CBCT散射伪影校正

的前景进行展望。

1CT散射伪影

1.1CT散射伪影的产生

医用CT的能量范围一般在20～140keV，在此范围内，X射线与物质的相互作用有3种：光电效

收稿日期：2022-06-29。

基金项目：国家自然科学基金（整环SPECT/能谱CT一体化分子影像仪的研发）；上海市分子影像学重点

实验室建设项目（批准号：18DZ2260400）。

286