近日，中國科學(xué)院深圳先進技術(shù)研究院研究員胡戰(zhàn)利團隊在低劑量CT成像領(lǐng)域取得新進展。團隊提出了一種基于注意力機制的解剖先驗信息融合網(wǎng)絡(luò)，可以在降低CT輻射劑量的同時較好地保持圖像質(zhì)量。最新研究成果發(fā)表在IEEE Journal of Biomedical and Health Informatics上，并被選為當(dāng)期的“封面文章”。
CT檢查的輻射劑量問題已經(jīng)引起了人們越來越多的關(guān)注。大量的臨床研究表明，超過正常范圍的CT輻射劑量易誘發(fā)人體新陳代謝異常乃至癌癥等疾病。然而，減少CT掃描劑量將增加重建圖像的噪聲和偽影，影響臨床醫(yī)生對異常組織的確診率。目前，深度學(xué)習(xí)方法逐步成為低劑量CT成像領(lǐng)域的主流技術(shù)。相較于傳統(tǒng)方法需要刻畫噪聲和偽影特征，基于數(shù)據(jù)驅(qū)動的深度學(xué)習(xí)技術(shù)對噪聲場景適普性更強;另外，深度學(xué)習(xí)模型強大的非線性擬合和特征提取能力能夠高效完成由低劑量CT影像向正常劑量影像的映射。然而，當(dāng)前深度學(xué)習(xí)方法在訓(xùn)練方式上通常采用“端對端”的訓(xùn)練方式，容易忽略訓(xùn)練數(shù)據(jù)的特異性，例如CT影像中不同人體部位的解剖差異。
研究團隊針對現(xiàn)有基于深度學(xué)習(xí)的低劑量CT成像技術(shù)在訓(xùn)練方式的不足，提出了一種基于解剖先驗信息的融合網(wǎng)絡(luò)，從訓(xùn)練數(shù)據(jù)的DICOM文件中直接讀取其解剖部位標(biāo)簽，并將其作為網(wǎng)絡(luò)的先驗信息進行編碼;再通過通道注意力技術(shù)，自適應(yīng)地獲得不同解剖部位圖像在訓(xùn)練網(wǎng)絡(luò)中的最優(yōu)權(quán)重。另外，考慮到特征提取的多樣性，在網(wǎng)絡(luò)模型上采用多個級聯(lián)空間注意力模塊。新方法可以有效提高低劑量CT圖像的恢復(fù)效果。未來，課題組將探討全身低劑量CT成像技術(shù)的高效解剖信息融合機制，為低劑量掃描下的影像篩查提供技術(shù)支持。
相關(guān)工作得到國家自然科學(xué)基金優(yōu)秀青年基金、中科院健康信息學(xué)重點實驗室和深圳市杰出青年基金的支持。
營業(yè)執(zhí)照公示信息