AWTV和高斯注意力引导的LDCT图像去噪网络

来源：计算机工程与应用杂志2025年第3期北京时间：

作者：李志媛, 刘祎, 张鹏程, 张丽媛, 任时磊, 芦婧, 桂志国

单位：1.中北大学 软件学院，太原 030051；2.中北大学 省部共建动态测试技术国家重点实验室，太原 030051；3.中北大学 信息与通信工程学院，太原 030051；4.中北大学 计算机科学与技术学院，太原 030051

摘要：低剂量CT（low-dose CT，LDCT）图像的去噪任务是一个高度复杂且不确定的逆问题。现有的基于CNN的方法虽然有效，但提升空间有限且计算成本高。相比之下，将图像先验知识与模型相结合来辅助图像去噪是一种更有效的方法。提出了一种名为AWTV_GANet的LDCT图像去噪框架。该框架利用自适应加权总变分（adaptive weighted total variation，AWTV）展开和高斯注意力引导的方法，通过端到端的CNN模型，将噪声优化模型、边缘检测模型和图像重建模型集成在一起。实验证明，AWTV_GANet能够准确地去除伪影噪声，并恢复出更精细的结构细节，与其他方法相比具有优异的性能。

关键词：低剂量CT,图像去噪,深度学习,自适应加权总变分