数字技术与应用杂志社

摘要：<正>鉴于X射线辐射对患者的潜在风险，低剂量CT(Low-Dose CT, LDCT)在医学成像领域引起了较大的兴趣。目前，主流的低剂量CT方法包括正弦图过滤和迭代重建算法，但由于难以对图像域中的统计特征进行建模，现有的直接处理重建图像的方法不能很好地消除图像噪声。受深度学习思想的启发，我们将残差编码器-解码器卷积神经网络（RED-CNN）和残差网络（ResNet）应用于网络结构中，用于低剂量CT成像。经过训练，本文提出的DR-GAN在模拟病例中展现了具有竞争力的性能。

基金资助： 2023年大学生创新创业训练计划（202310070058）；

专辑： 信息科技;医药卫生科技

专题： 临床医学;特种医学;计算机软件及计算机应用

分类号： TP391.41;R814