焦枫媛，桂志国，刘 祎，韩 意

(1. 中北大学 生物医学成像与影像大数据山西省重点实验室，山西 太原 030051；2. 中北大学 信息与通信工程学院，山西 太原 030051；3. 中国人民解放军63961部队，北京 100012)

X射线计算机断层成像(X-ray Computed Tomography, CT)技术在医学领域获得了广泛应用，在CT扫描过程中不可避免地会产生大量辐射剂量，对人体造成伤害[1]. 于是，低剂量CT技术应运而生，如何改善由于剂量降低带来的图像质量下降问题也随之成为当前研究的一个热点，目前的处理方法主要有3类： 投影域降噪[2,3]、统计迭代重建算法[4,5]及后处理算法[6,7]. 其中，后处理算法因其不依赖投影数据且易于操作和推广等优势吸引了国内外学者的关注.

国内外众多学者将经典的图像处理方法改进后应用于低剂量CT图像处理，取得了较好的成果. Chen等[8]在肩部和腹部低剂量CT处理中，应用了大尺度邻域的加权平均算法，有效抑制了噪声和伪影； Kang等[9]在低剂量CT冠脉数据处理中应用了自适应的三维块匹配算法，既有效抑制了噪声，又改善了左心室功能的评估； Chen等[10]提出的三维块匹配算法对于提高图像的对比噪声比效果显著； Wu等[11]提出的级联卷积神经网络算法获得了更高质量的低剂量CT处理图； Wolterink等[12]将生成式对抗网络应用于低剂量CT图像去噪； Shan等[13]在低剂量CT图像处理中将二维训练网络的迁移学习与基于合同路径的三维卷积编码-解码网络相结合，有效保持了图像的精细结构.

基于偏微分方程(Partial Differential Equation, PDE)的方法是图像处理中一类重……