李俊伯，秦品乐，曾建潮*，李 萌

（1.山西省医学影像与数据分析工程研究中心（中北大学），太原 030051；2.中北大学大数据学院，太原 030051；3.山西省医学影像人工智能工程技术研究中心（中北大学），太原 030051）

0 引言

在现代医学领域中，计算机断层扫描（Computed Tomography，CT）和核磁共振成像（Magnetic Resonance Imaging，MRI）等层析成像技术被广泛应用于医学研究和临床诊断。作为临床医学最基本的影像之一，CT 由于其本身扫描速度快且图像清晰，又可结合Hu 值调整窗宽窗位以获得各种组织最佳显示的特点，被应用于多种生物疾病的检查。因为CT 影像本身属于连续完整的二维数据切片，可通过叠加重建技术将其转化为体数据，所以可实现人体组织和器官的三维可视化［1］。尽管CT 扫描使用的电离X 射线辐射可能增加癌症的风险，可对于临床医学诊断与治疗领域其仍需要被大量使用，所以根据病例需求和设备条件，通常会在确保诊断正确的情况下尽量采用较大的层厚扫描。具有厚度的扫描造成了CT 的部分容积效应，切片与切片之间的间距往往比轴状位图中像相邻像素之间的物理间距大得多，直接对这种体数据进行可视化会导致三维模型在非冠状位视角中的锯齿状边缘、条纹状伪影和不连续表面等现象，直接影响到病变判断，因此基于层间插值［2-6］的层析影像体数据的三维重建成为了热门的研究方向。

近年来，深度卷积神经网络由于能够学习到复杂图像中高低频结构特征信息，在医学图像处理方向取得了优于传统算法［2，7-9］的结果，基于深度学习的层析影像三维重建算法一定程度上消除了容积效应，保持了体数据各向同性。……