摘要
本发明提供了一种噪声纹理恢复的低剂量CT成像方法,涉及医学CT成像技术领域。该方法首先收集高剂量CT图像、低剂量CT图像、噪声图像以及当前模型重建CT图像,计算得出误差图像;然后生成高剂量增强图像、低剂量增强图像和噪声增强图像;通过深度神经网络分别提取多种图像特征;构建由多源感知损失与均方误差损失结合的总体损失函数;训练图像去噪模型,设置模型训练的超参数,基于梯度反向传播算法,优化模型性能;使用图像去噪模型获得噪声纹理恢复的CT图像。本发明能够精准恢复CT图像的噪声纹理细节,显著提升图像质量,避免图像过度平滑,在保障诊断准确性的同时降低患者辐射风险,具有较高的临床应用价值。