Wave-MambaCT：基于小波Mamba的低剂量CT伪影抑制方法

来源：电子与信息学报杂志2026年第3期北京时间：

作者：崔学英, 王宇航, 刘斌, 上官宏, 张雄

单位：1.太原科技大学应用科学学院 太原 0300242.太原科技大学计算机科学与技术学院 太原 0300243.太原科技大学电子信息工程学院 太原 030024

摘要：低剂量CT(LDCT)图像中的伪影和噪声影响疾病的早期诊断和治疗。基于卷积神经网络的去噪方法在远程建模方面能力有限。与Transformer架构的远程建模方法相比，基于Mamba模型在建模时计算复杂度低，然而现有的Mamba模型存在信息丢失或噪声残留的缺点。为此，该文提出一种基于小波Mamba的去噪模型Wave-MambaCT。首先利用小波变换的多尺度分解解耦噪声和低频内容信息。其次，构建残差模块结合状态空间模型的Mamba模块提取高低频带的局部和全局信息，并用无噪的低频特征通过基于注意力的跨频Mamba模块校正并增强同尺度的高频特征，在去除噪声的同时保持更多细节。最后，分阶段采用逆小波变换渐进恢复图像，并设置相应的损失函数提高网络的稳定性。实验结果表明Wave-MambaCT在较低的计算复杂度和参数量下，不仅提高了低剂量CT图像的视觉效果，而且在PSNR，SSIM，VIF和MSE 4种定量指标上均优于现有的去噪方法。

关键词：低剂量CT, 伪影抑制, 小波变换, Mamba

基金资助：国家青年科学基金(62001321)，山西省基础研究计划项目(202303021221144, 202403021221140, 202403021221139)