张怀天， 李金宝,*

(1.黑龙江大学 计算机科学技术学院，哈尔滨 150080；2.齐鲁工业大学(山东省科学院) 山东省人工智能研究院，济南 250014)

0 引 言

计算机断层扫描(Computed tomography, CT)是一种准确、非侵入式的体内异常监测技术，现已被临床医生广泛应用于器官异常检测和癌症诊断。然而CT扫描过程中X光的辐射会对患者产生伤害，病人在胸部X光扫描中接受的辐射量相当于10 d的本底辐射[1]。降低辐射剂量可显著减弱辐射风险，其中最常用的方法是减少X射线通量，但X射线通量越低，重建CT图像的噪声就越大，导致CT图像质量降低，影响医生的临床诊断。因此，研究低剂量CT图像去噪算法具有重要的临床意义和研究价值。

现有的研究工作主要集中于单一剂量CT图像去噪，由单个去噪网络模型直接实现图像去噪，能够达到较好的效果。然而在实际的临床应用中，CT的辐射剂量通常是未知的，导致单一剂量模型的应用场景受到了一定限制。针对该问题提出了一种基于噪声估计与引导的低剂量CT图像盲去噪方法，可应用于CT图像的剂量未知的情况。该网络由噪声估计网络和去噪网络组成，见图1。

图1 网络的整体结构

网络首先针对未知CT图像的噪声特征，设计了由噪声特征提取和噪声分类组成的噪声估计模型，该模型将真实数据集中CT图像剂量水平作为分类标签，并通过噪声等级分类的弱监督方式估计潜在的噪声特征。其次，通过噪声特征与噪声图像融合的方式引导低剂量CT图像关注自身噪声的分布特点，进而使用残差编码—解码卷积神经网络进行端到端的深度映射，从而生成高质量的CT图像。……