基于Cycle-GAN的DU-GAN双能CT超分辨方法

摘要

本发明提供一种基于Cycle‑GAN的DU‑GAN双能CT超分辨方法。该方法包括：构建DU‑GAN网络模型，具体包括：采用Cycle‑GAN网络作为模型框架，并对Cycle‑GAN网络中的生成器和判别器均引入U‑Net网络框架；构建数据集并将数据集划分为训练集、测试集和验证集；设计图像域损失函数以构建联合损失函数，所述联合损失函数由对抗性损失函数、循环一致性损失函数和图像域损失函数组成；将训练集输入DU‑GAN网络模型，通过联合损失函数进行有监督网络训练，并用验证集对训练的DU‑GAN网络模型的性能进行评估；将测试集中低分辨率双能CT图像输入训练好的生成器得到相应的超分辨双能CT图像。本发明可以有效抑制低分辨率CT图像的伪影，恢复图像的细节信息，提高图像质量，在一定程度上提高双能CT分辨率。