💻 计算机科学

DSPAN: Dual-domain structure-aware adversarial learning with physics-inspired consistency for low-dose CT denoising

本文提出了 DSPAN，一种双域结构感知对抗网络，该网络利用受物理启发的相容性显著提高了低剂量 CT 扫描的图像质量并减少了噪声，其在 2016 年 NIH-AAPM-Mayo Clinic 数据集上的表现优于现有方法，证明了其卓越的性能指标。

原作者： Dayu Xiao, Wenyong Feng, Xiaozeng Wang, Yan Kang

发布于 2026-11-01

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Dayu Xiao, Wenyong Feng, Xiaozeng Wang, Yan Kang

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

计算机断层扫描（CT）是现代医学中的主力工具，它能够创建人体详细的横截面图像，帮助医生在无需进行任何切开的情况下观察体内情况。它的工作原理是从多个角度向患者发射 X 射线；随后，计算机将这些测量数据重建为清晰的图像。然而，这其中存在一种权衡。为了保障患者安全，医生遵循一项被称为“尽可能低剂量”（as low as reasonably achievable）的原则，即使用尽可能少的辐射量。当辐射剂量降低时，生成的图像会变得充满颗粒感和噪声，就像在昏暗光线下拍摄的照片一样。这种噪声可能会掩盖微小的细节或产生虚假的模式，使得放射科医生难以发现细微的问题。多年来，研究人员一直试图利用数学，以及近期的人工智能技术，来清理这些多噪声的图像。其目标是在去除颗粒感的同时，不模糊医生所需的精细解剖结构。

一个研究小组开发了一种名为 DSPAN 的新方法，专门用于解决清理低剂量 CT 扫描中的这一特定问题。他们构建了一个计算机程序，该程序通过学习来区分随机的噪声颗粒与有意义的人体解剖线条。该系统不仅仅是简单地平滑图像（这往往会让一切看起来模糊且不清晰），而是密切关注两个特定的方面：组织交界处的锐利边缘以及图像整体的纹理模式。他们利用大量的真实患者扫描图像对该系统进行训练，教它识别一张高质量的清晰图像与一张多噪声的低剂量版本之间的区别。研究人员发现，通过结合这两类视觉信息，他们的系统能够产生比以往方法更清晰的图像，从而保留了那些在噪声中经常丢失的精细细节。

这种新方法的核心在于计算机如何“观察”图像。大多数标准的清理工具将图像视为一个平坦的数字网格，试图通过平均化来消除误差。然而，DSPAN 系统使用了两个不同的“透镜”同时进行观察。一个透镜专注于梯度，即定义器官和骨骼边界的亮度剧烈变化。另一个透镜则观察频率，这是一种基于整个画面亮度变化快慢来描述图像的方式。通过迫使计算机同时匹配清晰参考图像的锐利边缘和整体纹理，该系统避免了创造虚假细节或抹除真实细节。这种双重关注机制就像一位严格的编辑，确保清理后的图像在去除干扰性的静电噪声时，依然忠实于原始的解剖结构。

为了测试他们的想法，研究人员使用了一个包含十名不同患者扫描数据的知名公开数据集。他们仔细地划分了数据，在部分患者的数据上进行训练，并在其他患者的数据上进行测试，以确保结果是可靠的，而非仅仅是死记硬背。他们将新系统与几种现有方法进行了对比，包括旧的数学技术和其他人工智能模型。结果显示，在多个清晰度和细节度量指标上，他们的方法始终能产生最高质量的图像。平均而言，与表现最好的前代方法相比，新系统的图像质量评分有了小幅但可衡测的提升。更重要的是，当人们将图像进行并排对比时，新系统保持了结构的边界更加锐利且纹理更加自然，而其他方法往往要么留下过多的噪声，要么过度模糊了边缘。

研究人员还对系统进行了拆解，以观察哪些部分真正发挥了作用。他们发现，如果移除侧重于边缘的透镜或侧重于纹理的透镜，结果都会变差，这证明了两者对于获得最佳效果都是必要的。他们还发现，实现这些结果并不需要庞大或复杂的系统；与标准模型相比，它仅增加了极少量的计算能力。这表明，这种进步源于系统设计的巧妙方式，而非依靠蛮力。该研究完全基于现有数据进行，作者也谨慎地指出，虽然图像在电脑屏幕上看起来更清晰了，但这尚未证明医生能更准确地诊断病情。他们强调，仍需通过更多真实的患者和医学专家测试，才能确认这些更清晰的图像是否能转化为更好的医疗决策。

最终，这项工作为医学成像中的一项关键任务提供了一个精炼的工具。通过教会计算机尊重人体既有的锐利线条和微妙纹理，研究人员创造了一种方法，可以在不牺牲患者安全的前提下，使低剂量扫描变得更加清晰。研究结果表明，关注图像的特定结构，而非仅仅进行平滑处理，是恢复丢失细节的一种强大方式。虽然从“更好的图像”到“挽救生命的诊断”之间仍有很长的路要走，但这一步证明了，注重结构的感知设计可以推动医学成像领域的边界，从而以更低的辐射量，为人类身体提供更清晰的视野。

技术摘要：用于低剂量 CT 去噪的 DSPAN

问题陈述
低剂量计算机断层扫描（LDCT）降低了患者的辐射暴露，但也引入了显著的量子噪声、条纹伪影以及结构退化，尤其是在低对比度区域。虽然深度学习方法（特别是卷积神经网络 CNN 和生成对抗网络 GAN）在 LDCT 修复方面取得了进展，但它们面临着截然不同的挑战。针对像素级损失（如 MSE）优化的 CNN 往往会产生过度平滑的输出，从而丢失高频解剖细节。相反，GAN 虽然提高了感知真实感，但可能会引入“幻觉”纹理或结构，从而损害像素级的保真度和临床解释性。现有方法通常缺乏同时对空间梯度（局部边界）和频率谱（全局纹理与噪声分布）进行显式约束的能力。

方法论：DSPAN 框架
作者提出了双域结构保持对抗网络（Dual-domain Structure-Preserving Adversarial Network, DSPAN），该框架旨在通过双域注意力和受物理启发的相干性，在抑制噪声的同时保留解剖结构。其架构由三个主要部分组成：

基于 ResNet 的生成器与判别器：
- 生成器采用残差卷积架构，包含 16 个残差块和 64 个特征通道。它处理单通道 2D CT 切片，且不进行空间上采样。
- 判别器采用八个 $3 \times 3$ 卷积块，通过交替步长来区分生成的 LDCT 图像与正常剂量参考图像，并利用带 Logits 的二元交叉熵进行判别。
双域结构感知注意力模块（DSAM）：
- DSAM 被插入到中间特征空间中，构建通道维度的注意力张量，以根据结构线索调节特征。
- 它将原始特征图与两个源自通道均值特征的固定描述符进行融合：
  - 梯度分支： 使用固定的 Sobel 核提取水平和垂直梯度幅值，以编码局部边界。
  - 频率分支： 应用二维快速傅里叶变换（FFT）获取归一化傅里叶幅度，以编码全局频谱内容。
- 这些描述符与原始特征进行拼接，通过卷积层和 Sigmoid 激活函数生成注意力图，并通过残差调制方式应用（ $F_{out} = F + A \odot F$ ）。
结构保持物理启发一致性学习（SPPCL）：
- 该组件作为训练期间（而非推理阶段）的耦合正则项，用于强制执行去噪图像与正常剂量参考图像之间的保真度。
- 它包含两个损失项：
  - 梯度一致性 ( $\mathcal{L}_{grad}$ )： 最小化生成图像与参考图像的一阶水平和垂直差分图之间的 L1 差异。
  - 频率一致性 ( $\mathcal{L}_{freq}$ )： 最小化生成图像与参考图像的未归一化傅里叶幅度谱之间的 L1 差异。
- 总生成器目标函数结合了内容重建（VGG19 特征空间 MSE）、对抗损失和 SPPCL 项： $\mathcal{L}_G = \alpha\mathcal{L}_{content} + \beta\mathcal{L}_{adv} + \gamma\mathcal{L}_{SPPCL}$ 。

实验设置

数据集： 研究使用了 2016 年 NIH-AAPM-Mayo Clinic 低剂量 CT 大赛数据集，包含来自 10 名患者的配对正常剂量和四分之一剂量 CT 图像（层厚 1 mm）。
验证策略： 采用了五折患者级交叉验证。在每一折中，使用 7 名患者进行训练，1 名患者用于验证（选择检查点），2 名患者用于测试。每位患者都被作为测试对象且仅一次。
基准模型： 将 DSPAN 与四分之一剂量 CT、全变分（TV）去噪、REDCNN、EDCNN 和 DU-GAN 进行了比较。
指标： 评估包括 PSNR、SSIM、RMSE、FSIM、VIF 和 NQM。所有图像均被裁剪至 $[-1000, 1000]$ HU 并映射至 $[0, 255]$ 。

关键结果

定量性能： 在所有六个图像质量指标中，DSPAN 均取得了最优的平均值。
- PSNR： $40.2105 \pm 1.6183$ dB（最高）。
- SSIM： $0.9424 \pm 0.0220$ （最高）。
- RMSE： $2.5359 \pm 0.5303$ （最低）。
- 与最接近的竞争对手（DU-GAN）相比，DSPAN 将 PSNR 提高了 $0.1505 $dB，并将 RMSE 降低了$ 0.0410$。
消融实验：
- 模块级： 在 ResNetGAN 基准模型中加入 DSAM 可使 PSNR 提高 $0.7097 $dB。加入 SPPCL 可使 PSNR 提高$ 0.6664$ dB。完整的 DSPAN 模型比基准 ResNetGAN 提升了 $1.0662$ dB 的 PSNR。
- 组件级： DSAM 中梯度分支和频率分支的组合优于单分支变体。同样，梯度与频率的耦合约束在 SPPCL 中也比单独使用其中一种约束效果更好。
定性分析： 在代表性切片的视觉对比中，显示出 DSPAN 能比 TV 和 REDCNN 更有效地抑制颗粒噪声并保留低对比度边界及微小高对比度结构，且比标准 GAN 方法产生的幻觉伪影更少。
复杂度： DSAM 模块使生成器的参数增加了 $3.5\%$ （从 $1.233 $M 增至$ 1.276 $M），FLOPs 增加了$ 3.4%$。SPPCL 在推理阶段不增加额外开销。

意义与声明
作者声称，通过将空间梯度和频率谱显式集成到特征注意力和一致性约束中，DSPAN 在提高 LDCT 去噪的内部重建保真度方面表现出色。研究确立了以下结论：

双域集成是有效的： 将结构感知注意力（DSAM）与耦合一致性学习（SPPCL）相结合，比仅使用其中一种机制或依赖标准对抗训练具有更好的性能。
计算开销极小： 性能的提升是以极小的推理时间计算复杂度增加为代价实现的。
局限性与范围： 作者明确指出，这些发现是基于只有 10 名患者、多样性有限（单一扫描仪、单一重建算法、2D 切片）的数据集得出的。他们并不声称具有诊断获益或对其他人群的普适性。研究结论认为，在建立临床相关性之前，需要进行外部多中心验证、重复训练以及基于读者的诊断研究。该论文将 DSPAN 定位为一种改进图像质量代理指标的方法，而非经过证实的临床工具。

技术摘要：用于低剂量 CT 去噪的 DSPAN

类似论文