基于Mamba的数据与模型混合驱动型CT金属伪影去除网络
Abstract
在计算机断层扫描（CT）中，人体存在金属植入物时，会导致重建CT图像出现明暗条纹伪影，严重影响临床诊断，因此提出一种数据模型混合驱动的双域联合金属伪影去除网络（SID-MAR），其包含数据驱动型图像域网络（DIM-net）和模型驱动型投影域网络（MS-net）。其中：DIM-net能够结合Mamba的全局表达和U-net的局部特征提取优势，去除非局部的金属伪影；MS-net把CT物理成像的几何约束嵌入网络，通过近端梯度下降进行迭代优化，并使用通道交叉注意力机制实现双域信息融合。实验结果表明，所提网络在合成数据集上的结构相似性指标（SSIM）和峰值信噪比（PSNR）指标分别达0.9861和41.12 dB，均方根误差（RMSE）达到0.0088。该网络在临床数据集上表现出良好的迁移能力。与其他金属伪影去除网络相比，所提网络能够去除高对比度的伪影并保留清晰的组织结构。
Fields of Study & Subjects
Advanced X-ray and CT Imaging
Image and Signal Denoising Methods
Medical Imaging Techniques and Applications
Publication details
- Journal / source
- Laser & Optoelectronics Progress
- Volume
- 63
- Issue
- 2
- Pages
- 0217001–0217001
- Publication date
- 1 January 2026
- Language
- EN