钱佩璋,乔志伟,杜聪聪.基于3MNet去噪网络的快速EPRI成像[J].CT理论与应用研究,2023,32(1):55-66.DOI:10.15953/j.ctta.2022.065.QIANPZ,QIAOZW,DUCC.FastEPRIImagingBasedon3MNetDenoisingNetwork[J].CTTheoryandApplications,2023,32(1):55-66.DOI:10.15953/j.ctta.2022.065.(inChinese).基于3MNet去噪网络的快速EPRI成像钱佩璋,乔志伟✉,杜聪聪山西大学计算机与信息技术学院,太原030006摘要：电子顺磁共振成像（EPRI）是一种先进的氧成像技术。当前EPRI的瓶颈问题是扫描速度过慢，其原因是每个角度下的投影信号需要被重复采集几千次，以压制随机噪声。一种实现快速扫描的方法是减少投影信号的重复采集次数，然而这又使得投影信号信噪比降低，重建出来的图像噪声较大。为有效压制重建图像中的噪声，本文提出一种基于多通道、多尺度、多拼接的（3MNet）图像去噪网络，以实现高精度快速EPRI成像。该网络由3个子网络构成。第1个子网络是基于注意力机制的卷积网络，其输出的特征图像与输入图像拼接以构成后端网络的输入；第2个子网络是3通道卷积网络；第3个子网络是多尺度卷积网络。实验结果表明，本文提出的3MNet网络可以实现EPRI图像的高精度去噪，进而实现快速成像。关键词：深度学习；卷积神经网络；电子顺磁共振成像；快速成像DOI:10.15953/j.ctta.2022.065中图分类号：O242；TP391.41文献标识码：A研究表明，肿瘤内部的氧气浓度是一个重要的放疗参数，如果可以准确地显示出肿瘤内部的氧浓度图像，便可以根据肿瘤内氧浓度的分布来调整放射剂量，以实现精准放疗[1-2]。电子顺磁共振成像（electronparamagneticresonanceimaging，EPRI）是一种高精度高分辨率的肿瘤氧成像模态[3-5]。然而EPRI的主要缺点是扫描时间过长，因为每个角度下的投影信号需被重复采集数千次，以压制随机噪声。一种提高扫描速度的方法是减少在特定角度下采集投影信号的重复次数，然而如此采样导致投影信号的信噪比下降，进而使得用传统的三维滤波反投影（filteredbackprojection，FBP）算法重建出的EPRI图像噪声过大。因此图像去噪成为EPRI当前最重要的问题之一。图像重建中的去噪问题大致分为两类：基于优化的重建方法和基于深度学习的图像后处理方法。在基于优化的图像重建算法中，以总变差（totalvariation，TV）最小类算法最为典型。2006年至2008年，Sidky等[6-7]提出的TV最小化算法可以实现高精度稀疏重建和含噪投影重建。人们后来又提出若干改进的TV模型来提高重建精度...
