电子测量技术

作者：杨林鹏，刘祎，梁旭东，桂志国

单位：中北大学信息与通信工程学院 太原 030051

关键词：稀疏角CT;迭代展开;局部-全局注意力;深度学习

基金：自然科学研究面上项目（202303021211148）、山西省自然科学基金青年项目（202203021222038）、国家自然科学基金（62401517）项目资助

稀疏角CT是临床CT成像中减少X射线辐射剂量的有效方法。然而，由于稀疏采样造成的投影不完备，图像重建中含有明显的条纹伪影。为解决这一问题，本文提出一种基于迭代优化展开的稀疏角CT图像重建网络IADR-Net，该网络采用独特的双路并行架构设计，包含迭代重建子网络和局部-全局注意力网络(GLONA)细节恢复子网络两个核心组件。其中，迭代重建子网络基于快速迭代软阈值算法框架，通过可学习非线性变换和自适应阈值实现投影到图像重建；GLONA子网络则采用局部与全局特征并行的双分支结构，并通过自调节融合模块有效保持图像细节。两个子网络协同工作，分别专注于基于迭代展开的伪影消除和基于注意力机制的细节增强，最终通过特征融合输出高质量CT图像。在Mayo数据集的实验结果表明，该方法在伪影抑制和结构保持方面相较若干代表算法展现出更有性能，为临床稀疏角CT成像提供了有效的解决方案。

来源：2026年第4期

《电子测量技术》期刊编辑部

查看电子测量技术杂志2026年第4期