为了解决这些问题，本中心科研团队提出了一种基于检测器移位和深度学习的低剂量CT环形伪影校正方法。首先，在CT扫描阶段，检测器在每个投影处随机水平移动以减轻前处理的环形伪影，环形伪影在前处理图像中被转化为分散的噪声。其次，将深度学习应用于分散噪声和统计降噪。 通过仿真和实际实验对该方法进行了验证。结果表明，与其他方法相比，该方法对低剂量CT图像中环形伪影的去除效果更好。其中，两组模拟数据和实验数据的RMSEs and SSIMs均明显优于原始图像。

　　 

 

　　

　　Fig.2 The generation results of training labels. (a) raw image without model correction and filtering. (b) image with model correction  and filtering. 

　　(c) label with detector random shifting, model correction and filtering.

　　　　该工作得到了国家自然科学基金资助，相关研究成果发表在Medical Physics上。

　　　　论文链接：Yuedong Liu，Cunfeng Wei，Qiong Xu*. Detector shifting and deep learning based ring artifact correction method for low-dose CT. Medical Physics. 2023;1–17.