基于改进U-Net网络的双能CT材料分解方法

来源：计算机测量与控制杂志2025年第1期北京时间：

作者：张然,孔慧华,宋一娇,杜晓双,赵效荷

单位：中北大学数学学院

摘要：双能计算机断层扫描(DECT)能够提供扫描对象的定量信息,实现材料分解,进而获取有关人体组织材料特定信息。针对传统的U-Net网络从DECT图像中提取非局部特征受到限制的问题,提出了一种改进的U-Net网络(IU-Net),旨在提高DECT图像材料分解的准确性。IU-Net采用多尺度编码器,在编码阶段,通过三条路径从不同角度捕捉输入图像的局部和非局部特征,并在通道维度上进行融合。同时,为避免过度平滑导致的图像细节损失,引入了边缘损失来构造混合损失函数。优化了重建图像的边缘像素,产生更清晰的图像。实验结果表明,IU-Net结合混合损失函数减少了伪影,同时保留了更多组织细节,胸部骨图的结构相似性达到了0.9967。

关键词：边缘损失函数;神经网络;材料分解;能谱CT;多尺度编码

基金资助：国家自然科学基金项目（面上项目，重点项目，重大项目）(62201520)； 山西省基础研究计划 (202103021224190,202203021222052)； 山西省留学基金2023-129