基于配对循环一致性生成对抗网络的双能胸部X射线图像运动伪影与噪声抑制研究

为解决双能减影(DES)胸部X射线图像(CXRs)中因患者运动导致的运动伪影和低能(LE)图像中光子数不足引起的信号缺失问题，研究人员开发了一种基于配对循环一致性生成对抗网络的创新框架。该方法整合了集成判别器、可微分增强、抗锯齿卷积层和8层U-Net生成器，通过600例临床数据的六折交叉验证显示：左肺及心脏区域的全宽10%最大值从0.216±0.0720提升至0.200±0.0783，低能图像的峰值信噪比(PSNR)达50.7±3.68，结构相似性指数(SSIM)为0.997±0.0152，骨抑制DES图像的Fréchet起始距离(FID)低至85.0±3.52，显著优于现有技术，为临床胸片成像提供了突破性解决方案。

　　

在临床实践中，双能减影(DES)胸部X光片(CXRs)常因患者自主或非自主运动产生运动伪影，而低能(LE)图像中纵隔和上腹部区域更易因光子输入不足出现信号衰减。现有技术对这类问题的处理能力有限，相关算法开发仍属空白。

最新研究构建了基于配对循环一致性生成对抗网络(pCycleGAN)的智能框架，创新性地融合了三大核心技术：集成式判别器增强特征提取，可微分数据提升模型泛化能力，抗锯齿卷积层有效保留图像高频细节。核心生成器采用精简版8层U-Net架构，在包含600例诊断性DES-CXRs的临床数据集上，通过六折交叉验证展现出卓越性能——针对含心脏区域的左肺感兴趣区，运动伪影抑制指标FWTM(全宽10%最大值)从0.216±0.0720优化至0.200±0.0783。

定量评估更揭示其全面优势：低能(LE)图像质量参数PSNR(峰值信噪比)突破50.7±3.68，SSIM(结构相似性指数)高达0.997±0.0152；骨抑制DES图像的FID(Fréchet起始距离)降至85.0±3.52，显著超越既往方法。这项技术为胸部X射线影像的精准诊断扫清了运动伪影和量子噪声两大障碍，展现出广阔的临床应用前景。