結合感知損失與雙重對抗網絡的低劑量CT 圖像去噪

熊景琦，桑慶兵，胡聰

（江南大學 人工智能與計算機學院，江蘇 無錫 214122）

0 概述

近年來，計算機斷層掃描（Computer Tomography，CT）成像技術成為醫學診斷和治療中不可或缺的影像學手段［1］。然而，CT 掃描產生的電離輻射會對患者的身體產生危害，甚至可能引發癌變。在臨床醫學中，應盡可能減少輻射，同時確保可接受的診斷準確性，因此，低劑量CT（Low-Dose CT，LDCT）掃描應運而生。但是，輻射劑量的降低往往會造成重建圖像中的斑紋噪聲和非平穩條紋偽影增大，導致圖像質量下降，從而影響臨床診斷［2］。

為了提高圖像質量，LDCT 圖像去噪成為醫學成像領域的一個重要研究方向，許多算法被提出用以改進低劑量CT 圖像，這些算法通常被分為三類，分別為投影域正弦圖過濾、迭代重建和后處理。前兩種算法基于投影域數據，其數據往往不公開，使得研究難度提高，這也造成實際應用中的瓶頸，而后處理方法直接對重建后的低劑量CT 圖像進行處理，不依賴原始投影數據，為研究帶來了諸多方便。

傳統的后處理算法，如非局部均值（Non-Local Mean，NLM）［3］、塊匹配（Block-Matching，BM3D）算法［4-5］等，計算效率較高，可以顯著提高圖像質量。然而，重建后的低劑量CT 圖像中的噪聲往往呈非均勻分布，傳統的后處理算法不能完全解決處理后圖像中存在的過平滑、殘留偽像、引入新噪聲等問題。

近年來，基于深度學習的方法在圖像去噪任務中取得了令人矚目的成績［6］。深度學習方法通過最小化去噪圖像與清晰圖像之間的距離，采用外部先驗知識和由數據集指導的監督訓練策略。使用卷積神經網絡的LDCT 去噪方法不依賴大量的投影數據，而直接在CT 數據的圖像域中執行，可以自動提取CT 圖像的潛在特征，并充分利用非局部相似性的先驗知識，在應用中非常方便。DONG等［7］提出一種用于CT 圖像去噪的超分辨率卷積神經網絡（SRCNN）。此后，基于殘差編解碼器的網絡模型RED-CNN［8］被提出用于低劑量CT圖像恢復。章云港等［9］使用空洞卷積改進RED-CNN網絡，使得去噪效果得到進一步提升。由于CNN 具有強大的特征學習和特征映射能力［10］，因此基于CNN 的圖像降噪方案取得了顯著效果。然而，訓練深度卷積神經網絡需要大量干凈-噪聲圖像對，而收集CT 圖像數據成本昂貴并且耗時。在實際應用中，很難構建足夠大、能滿足CNN 充足訓練要求的數據集，數據集較小常會引起訓練不充分、網絡欠擬合等問題，從而導致去噪效果降低，出現圖像失真。此外，文獻［11-13］的研究表明，以往方法中使用均方誤差（Mean Squared Error，MSE）損失來最小化所生成的去噪圖像與正常劑量CT 圖像之間的距離，傾向于生成過度平滑的圖像。而GOODFELLOW 等［14］提出的生成對抗網絡（Generative Adversarial Networks，GAN）可以直接學習噪聲分布，在重建圖像細節上有巨大優勢，但GAN 也存在網絡訓練困難和梯度消失的問題。為了解決這一問題，引入Wasserstein 距離來衡量生成圖像與真實圖像分布差異的WGAN（Wasserstein GAN）［15］網絡被引入到LDCT 圖像去噪任務，其重建后的圖像具有較好的視覺效果。進一步，YANG等［11］提出將感知損失引入WGAN 的方法，該方法在圖像細節保留和解決邊緣過平滑問題方面表現出色。LI等［13］使用自監督方法訓練感知損失網絡并引入自注意力機制用于低劑量CT圖像去噪，去噪后圖像質量有了顯著提升。考慮到配對數據難以獲取，朱斯琪等［16］通過改進循環一致性生成對抗網絡，在無監督的情況下實現了LDCT 圖像的降噪保邊及紋理改善。

以往的研究僅利用推斷條件后驗概率p(x|y)來實現低劑量CT 圖像修復，由于數據稀缺，導致模型訓練不夠完全，在建模復雜的真實噪聲分布時算法并不能發揮最好效果。YUE等［17］提出一種雙重對抗網絡（Dual Adversarial Network，DANet）框架，通過圖像去噪和噪聲生成2 個角度來聯合建模干凈-噪聲圖像對的聯合分布p（x，y），為圖像去噪提供了新的思路。受此啟發，本文構建一種雙重對抗網絡去噪模型，以解決CT 圖像修復問題。雙重對抗網絡的聯合學習能讓圖像去噪和噪聲生成相互指導從而實現更好的去噪效果。同時，設計一種Res-Unet殘差學習網絡來實現去噪和噪聲生成任務，殘差塊的引入能讓網絡保留更多的圖像細節。為了使得去噪效果更符合人體視覺特性，提出一種加權混合損失函數來優化網絡，該損失函數包括對抗損失、感知損失和最小絕對偏差（Least Absolute Deviation，L1）損失。為了更好地計算感知損失，提出一種掩膜自監督方法訓練一個針對CT 圖像的感知損失模型，在該過程中，設計一種自編碼器（AutoEncoder，AE）模型作為感知損失網絡來提取特征圖從而計算感知損失，并使用掩膜自監督方法針對CT 圖像域訓練模型，以更好地提取CT 圖像特征編碼。

1 雙重對抗網絡

假設y為帶有噪聲的低劑量CT圖像，y∈RN×N，x為清晰的常規劑量圖像，x∈RN×N。對于低劑量CT 圖像去噪，常規去噪方法在最大后驗估計框架下利用條件后驗概率p（x|y）來推斷清晰圖像x，即：

不同于常規方法直接學習y→x的映射，雙重對抗模型去噪方法對干凈-噪聲圖像對的潛在聯合分布p(x，y)進行建模，從而達到去噪效果，其從圖像去噪和噪聲生成2 個不同的角度對聯合分布p(x，y)進行分解。

1.1 圖像去噪角度

在貝葉斯框架下，去噪任務可視為推斷條件分布p(x|y)，在該任務中，學習到的去噪器R 表示一個隱式分布pR(x|y)，以近似于真實分布p(x|y)。R 的輸出可以得到一個偽干凈的圖像對(，y)，可以看作這個隱式分布pR(x|y)的采樣圖像，如式（2）所示：

1.2 噪聲生成角度

對于CT 圖像，其噪聲往往是隨機產生的，分布不均。因此，噪聲生成任務通過引入隨機噪聲變量z來實現從清晰圖像x到噪聲圖像y的映射，生成任務可視為推斷條件分布p（y|x，z）。與式（2）相同，通過生成器G可以得到一個虛假噪聲對（x，），如下：

在生成任務中，生成器G的輸出可以看作pG(y|x，z)的采樣，則生成器的輸出G(x，z)可以表示為隱式分布pG(y|x，z)，使用生成器G 生成的隱式分布pG(y|x，z)去近似真實分布p(y|x，z)，將隱變量z邊緣化以獲得偽聯合分布pG(x，y)，作為近似真實聯合分布p(x，y)：

其中：p(z)表示隱變量z的分布，可以將其設置為均值為0 的高斯分布N(0，I)。同理，生成器生成的噪聲圖片越逼真，偽聯合分布pG（x，y）逼近真聯合分布p（x，y）就越準確。

2 模型網絡架構

雙重對抗網絡模型包含去噪器R、生成器G 以及鑒別器D，整體架構如圖1 所示，其中：y表示觀測到的低劑量CT 圖像；x表示正常劑量CT 圖像；～分別為去噪器和生成器生成的圖像。模型輸入為干凈-噪聲（cleannoise）圖像對，經過去噪器R 和生成器G 得到去噪后的圖像和生成的偽低劑量CT 圖像，與原始干凈噪聲圖像構成偽圖像對，再送入鑒別器進行聯合對抗訓練，然后從圖像去噪和噪聲生成2 個角度來近似干凈-噪聲圖像對的聯合分布p（x，y）。此外，由于生成器和去噪器任務目標不同，因此采用不同的損失函數來優化網絡。學習完成的去噪器R 可以直接用于LDCT 去噪，而生成器可以生成更多的干凈-噪聲圖像對用于數據增強。由于深度學習具有強大的擬合能力，因此R、G、D 均采用深度學習網絡來實現。

圖1 雙重對抗網絡模型框架Fig.1 Dual adversarial network model framework

2.1 生成器和去噪器網絡

生成器G 和去噪器R 都使用本文設計的Res-Unet網絡來實現，在不同任務中具有不同的優化目標。對于低劑量CT 圖像去噪任務，從噪聲圖像恢復出潛在的清晰圖像。Res-Unet網絡的編解碼結構在圖像去噪中具有優勢，因此，去噪器R 可以直接學習噪聲圖像到清晰圖像的映射。對于噪聲生成任務，由于噪聲信息與清晰圖像信息相比學習難度更低，且網絡學習到的噪聲分布可以很容易地合成LDCT 圖像，因此，使用殘差學習［18］策略，讓生成器G 學習噪聲圖像與清晰圖像的殘差（即v=y-x所得到的噪聲）。去噪器R 和生成器G 最終目標分別如下：

其中：Res-Unet（·）表示Res-Unet網絡的輸出函數；［·，·］表示聯合（Concatenation）操作。

考慮到CT 圖像的數量相對于自然圖像要少，獲得有臨床意義的標簽的難度更大，因此，用于CT 圖像的網絡模型應選用輕量化模型。Unet［19］架構在醫學圖像處理中取得了非常好的效果，其模型參數量可以通過更改模型層數以及每層的通道數來降低，與其他模型相比更為輕量級。

如圖2 所示，本文設計的Res-Unet 是在Unet 的基礎上進行改進的，Res-Unet 保留Unet 的編碼解碼結構和跳躍連接部分，具體改進如下：

1）對于編碼器部分，Res-Unet利用5 個下采樣層來實現特征提取。由于Unet中常規卷積下采樣過程會丟失部分重要的圖像信息，因此將其中4 個卷積層使用Res-blocks 殘差塊［20］來代替常規卷積操作從而提取圖像特征。Res-blocks 由于加入了恒等連接，可以有效防止卷積操作帶來的信息丟失。此外，卷積后的池化操作同樣會損失部分圖像結構細節，這對像素級任務影響較大，并且導致對抗網絡訓練不穩定。因此，本文使用卷積核為4×4、步長為2、填充為1 的卷積操作代替卷積后的池化操作。

2）對于解碼器部分，采用和編碼器相對稱的5 次上采樣來重建圖像以保持圖像大小不變，上采樣結構如圖2 中Up sampling 所示。將圖像特征采用轉置卷積操作來恢復圖像細節。此外，通過跳躍連接將同尺度的下采樣特征進行融合，從而減少信息丟失，保存圖像細節。

圖2 Res-Unet 網絡結構Fig.2 Res-Unet network structure

2.2 鑒別器網絡

在雙重對抗網絡中，鑒別器D 與去噪器R 和生成器G 對抗訓練，其對圖像去噪效果和生成的噪聲圖像質量起著至關重要的作用，能夠引導去噪器和生成器往正確的方向訓練。考慮到CT 圖像包含豐富的細節信息，圖像敏感度高，本文設計如圖3 所示的鑒別器體系結構，其輸入為512×512×2 的級聯圖像對(x，y)，其中包括4 個跨步卷積層用來減小圖像尺寸并提取特征，以及包含1 個全連接層用來融合所提取的特征，模型最后輸出標量。

圖3 鑒別器網絡結構Fig.3 Discriminator network structure

3 損失函數

為了更加有效地訓練去噪器R 和生成器G，從而更好地估計聯合分布p(x，y)，提高雙重對抗網絡的降噪性能，本文借鑒Triple-GAN［21］所使用的雙重對抗訓練策略，針對不同任務采用不同的損失函數。

3.1 對抗損失

本文引入WGAN 網絡中使用的Wasserstein 距離來計算2 個真實圖像對和生成的偽圖像對的分布差值，使得對抗模型訓練更加穩定。定義如下對抗損失將pR(x，y)和pG(x，y)逐漸推向真實分布p(x，y)：

其中：=R(y)，=G(x，z)；D 為鑒別器，用于將真實的干凈-噪聲圖像對(x，y)和生成的假圖像對（，y）、（x，）區分開來；超參數α用于控制生成器G 和去噪器R 的相對重要性。

3.2 感知損失

對于CT 圖像而言，保證病理診斷中圖像的重要特征非常有必要。使用最小化去噪圖像與清晰圖像之間距離的MSE 損失，往往會讓學習到的模型生成過度平滑的圖像并且丟失紋理細節［22］，MSE 被證明與人類對圖像質量的感知相關度較差，其忽略了對人類感知至關重要的圖像的紋理和特征［23］。感知損失可以學習語義特征差異，其相比MSE 損失可以重建更多細節和邊緣信息。WGAN-VGG［11］使用一種VGG-Loss 來替代MSE-Loss，用于計算網絡輸出的常規劑量CT（Normal Dose CT，NDCT）圖像和真實圖像之間的距離。但是，VGG 網絡是在自然圖像數據集中的分類任務中通過預訓練得到，VGG 特征提取模型可能會提取到與CT 圖像無關的特征信息，這會為模型優化帶來干擾。

本文設計一種圖4 所示的針對CT 圖像提取語義特征的自動編碼器網絡，該網絡包含一組對稱的編碼器子網絡和解碼器子網絡，通過編碼器來提取輸入圖像的高級語義特征用于計算感知損失。

圖4 自監督的自動編碼器網絡結構Fig.4 Network structure of self-supervised autocoder

在預訓練感知損失網絡時，常規方法設定目標，讓模型在像素級上精確重構輸入，這樣訓練出來的模型會過多關注像素級別的細節而忽略了更為重要的語義特征。何凱明［24］提出一種非常簡單且高效的自監督方案，其對輸入圖像塊進行隨機掩膜，隨后對缺失像素進行重建的自監督輔助方法在各種視覺任務中均取得了較好的效果。受此啟發，本文使用掩膜自監督的策略針對CT 圖像域來訓練模型，其自監督任務是對正常劑量CT 圖像中隨機的75%區域進行高斯噪聲掩膜，然后讓自編碼網絡來復原正常劑量CT 圖像。自監督的目標是重構清晰輸入，讓模型從輸入的被高斯噪聲掩膜后的CT 圖像中提取特征編碼，然后將其重構為與原始圖像最為接近的無噪聲CT 圖像。自監督學習可以在無標注的情況下學習到圖像表征，本文所使用的掩膜自監督學習策略能讓預訓練的AutoEncoder 提取到CT圖像的高級語義特征。

感知損失通過計算編碼特征差異來實現，其表達式如下：

其中：φ是自動編碼器的編碼部分，用于特征提取；w、h、d分別為特征圖的寬度、高度和維度；定義為L1正則化。

3.3 混合損失

文獻［25-26］研究表明，將對抗損失和傳統損失混合可以加快和穩定GAN 網絡的訓練，因此，本文在去噪任務中加入L1損失，其定義如下：

對于生成任務，由于實際噪聲具有隨機性，直接使用L1損失不適用，因此對噪聲分布的統計信息利用L1損失，具體如下：

其中：GF(·)表示提取噪聲一階統計信息的高斯濾波器。

本文雙重對抗模型最終損失目標如下：

其中：τ1、τ2、τ3和τ4均為超參數，用來平衡不同損失的權重。

4 實驗結果與分析

為了評估本文所提算法在低劑量CT 圖像去噪任務中的性能，在Mayo 數據集上［27］進行實驗，該數據集是Mayo Clinic 授權的“2016 年NIH-AAPMMayo 診所低劑量CT 大挑戰”的臨床數據集，通常作為評估CT 重建和去噪技術的標準參考數據集。Mayo 包括299 例病人頭部、胸部和腹部X 射線投影圖像，所有病例都包含常規劑量CT 和模擬常規劑量25% 和10% 的低劑量CT 圖像，圖像大小為512×512 像素。實驗從數據集中抽取2 062 例圖像對（每例包含NDCT 圖像和對應的LDCT 圖像作為干凈-噪聲圖像對），其中，80%的圖像對作為訓練集，將剩余20%的CT 圖像對作為測試集。

實驗所使用的設備是Window10 環境，Intel?CoreTMi7-8700K @ 3.70 GHz，英偉達GTX 1080（8 GB 顯存），16 GB 內存，所有模型訓練均使用Pytorch 實現，利用GPU 訓練模型。在訓練過程中，生成器G、去噪器R 和鑒別器D 的初始學習率分別為0.001、0.001、0.002，以Adam為優化函數，R和G的動量項分別設為（0.9，0.999）和（0.5，0.9），batch size 設置為8。參考文獻［28］對混合損失函數的權重設置，對抗損失τ1、感知損失τ2、L1損失τ3和生成器噪聲統計約束損失τ4的權重分別設置為1、100、100 和10。對抗損失中α設定為0.5，表明去噪器和生成器同等重要。迭代訓練70輪，選取效果最好的模型，使用該模型的去噪器R 在測試集上測試去噪性能。此處，將結合感知損失聯合訓練完的雙重對抗網絡表示為DANet-AE，DANet網絡中生成器G 可以合成更多的偽LDCT-NDCT 圖像對，從而對去噪器進行再訓練，將再訓練后的網絡稱為DANet-AE+。

4.1 評價指標

峰值信噪比（Peak Signal-to-Noise Ratio，PSNR）［29］和結構相似性（Structural Similarity，SSIM）［30］是圖像去噪領域常用的客觀評估指標。

PSNR 值越大，表明降噪圖像中需要被保留的生理信息與需要被抑制的噪聲信息之比越大，降噪圖像質量越高。在圖像質量評價領域，文獻［31-32］研究表明，PSNR 并未考慮人眼的視覺特性，因此，經常出現評價結果與人主觀感覺不一致的情況。考慮到PSNR和SSIM 更加關注像素間的差距，缺乏視覺效果，本文新增梯度幅相似性偏差（Gradient Magnitude Similarity Deviation，GMSD）［31］和平均偏差相似指數（Mean Deviation Similarity Index，MDSI）［32］這2 個在參考圖像質量評價中更關注人眼視覺效果的指標，以共同評估算法的去噪性能。

4.2 與當下流行算法的去噪性能比較

本節從定性和定量2 個方面將本文算法與當下流行的LDCT 圖像去噪算法進行比較，對比算法包括基于先驗特征的傳統去噪算法BM3D［4］、基于殘差自編碼器神經網絡的去噪算法RED-CNN［8］、基于生成對抗網絡并帶有感知損失的算法WGAN-VGG［11］、引入自注意力機制和感知損失的算法SACNN［13］以及使用雙重對抗網絡的算法DANet［17］，所有深度學習算法均在相同訓練集上重新訓練而得到，評估其在測試集上的去噪性能。

4.2.1 去噪效果定性分析

圖5 所示為來自測試集的腹部低劑量CT 圖像在不同算法下去噪的可視化結果，其中，關鍵區域（ROI）在下方被放大。通過圖5（a）和圖5（b）可以看出，由于低劑量CT 圖像入射X 射線光子不足，導致圖像退化嚴重，低劑量CT 圖像結構和細節很難看清。對比去噪后的圖像與LDCT 圖像可以看到，所有算法均在一定程度上抑制了噪聲。從圖5（c）可以看到，經過BM3D［4］去噪后的圖像濾波效果很好，圖像平滑噪點較少，但是CT 圖像噪聲分布不均，傳統算法存在明顯的塊狀效應，細節丟失嚴重，邊緣和小的結構變得模糊。從圖5（d）～圖5（h）可以看到，深度學習算法降噪效果明顯超過BM3D，其中，REDCNN［8］由于使用MSE 作為損失函數，去噪后的圖像的噪聲抑制效果較好，但是丟失了高頻信息，圖像過度平滑，WGAN-VGG［11］使用VGG 感知損 失解決了過平滑問題，保留了圖像大部分紋理，但是也有部分噪聲和偽影殘留下來。從圖5（f）可以看到，SACNN使用自監督方法針對CT 域訓練感知損失網絡，能夠極大保留圖像特征，在降噪效果上具有一定優勢，與本文算法具有相似的去噪效果。從圖5（g）可以看出，DANet［17］與上述算法相比噪聲較少，但仍然存在邊緣細節丟失問題。從圖5（h）可以看出，本文算法使用改進的Res-Unet 作為去噪骨干網絡并加入感知損失，偽影噪聲抑制效果最佳，且保留了更豐富的內容細節和紋理信息，去噪后的圖像更接近正常劑量CT 圖像。

圖5 不同算法對腹部CT 圖像的去噪結果Fig.5 Denoising results of abdominal CT images by different algorithms

4.2.2 去噪效果定量分析

表1 所示為當下流行的LDCT 去噪算法和本文算法在測試集上的PSNR、SSIM、GMSD 和MDSI 量化指標結果，其中，PSNR、SSIM 指標值越大越好，GMSD、MDSI 指標值越小越好。從表1 可以看出：

表1 不同算法在CT 圖像測試集上的量化結果 Table 1 Quantization results of different algorithms on CT image test set

1）傳統BM3D 算法是一種非局部去噪方法和轉換方法的結合，在圖像中尋找相似塊進行濾波，可以最大程度地保留圖像結構信息，其SSIM 有較好結果，表明算法在整體圖像結構上保存完好，但是在其他量化指標上并未取得令人滿意的效果。

2）深度學習網絡具有強大的擬合能力，其降噪性能優于傳統BM3D 算法，對噪聲抑制效果較好。

3）MSE 損失專注于最小化像素級的平均損失，而PSNR計算依賴MSE，因此，使用MSE損失訓練的REDCNN 算法在PSNR 指標上有較好結果，但是這往往也會產生過平滑問題。WGAN-VGG 和SACNN 由于使用感知損失，其去噪結果更符合人眼感知特性，GMSD和MDSI 指標有較好表現。

4）本文DANet-AE+算法采用混合損失函數優化模型，且雙重對抗網絡訓練好的生成器可以合成更多的干凈-噪聲圖像對，對原始數據集做數據增強后對去噪器R 進行再訓練，可以進一步提升去噪性能，因此，本文算法的PSNR、SSIM、GMSD 和MDSI 均取得了最好結果。結合主觀分析和量化結果可以得出，本文算法的降噪性能優于其他算法。

4.3 不同損失函數的對比分析

低劑量CT 圖像重建質量在很大程度上受到損失函數的影響，本節設置不同損失函數來訓練網絡，對比它們在LDCT 圖像去噪方面的表現。圖6 和表2 展示了不同損失函數的去噪可視化效果和量化指標，其中：Res-Unet-MAE 表示僅使用L1損失進行訓練；Res-Unet-AE 表示僅使用感知損失進行訓練；DANet-A 表示僅使用對抗損失進行訓練；DANet-B 表示使用對抗損失和L1損失進行訓練；DANet-AE 表示使用混合損失進行訓練。從圖6 可以看出，L1損失可以產生更加清晰的圖像，但是其同樣有著邊緣紋理被過度平滑的缺陷，對抗損失可以保留較多的細節，但對偽影抑制不明顯，而感知損失使邊緣更加明顯，極大保留了圖像紋理細節，但其容易導致豎紋，混合損失可以在顯著抑制噪聲偽影的同時保留更多的圖像細節和結構。從表2 可以看出，由于SSIM、PSNR 更注重像素級差距，因此優化L1損失的模型在PSNR 指標上有最好結果，但這不能表明其擁有最好的去噪質量。GMSD 和MDSI 指標更注重符合人類視覺系統的感知認知，而從表2 中的GMSD和MDSI 指標可以看到，使用混合損失訓練的模型所恢復的CT 圖像具有更高的質量，更符合人眼視覺認知特性。

圖6 不同損失函數的去噪結果比較Fig.6 Comparison of denoising results of different loss functions

表2 不同損失函數在測試集上的量化結果 Table 2 Quantization results of different loss functions on test set

4.4 消融實驗

為了進一步驗證DANet-AE 去噪算法的有效性，對整個框架中的不同模塊進行消融實驗。消融實驗中共進行3 組對比：

1）為了驗證雙重對抗網絡模型的有效性，令不帶生成器的雙重對抗網絡為Model-A，將其與正常訓練的雙重對抗網絡DANet-AE進行比較，結果如表3所示。從表3 可以看出，雙重對抗網絡具有更好的降噪性能，說明去噪器和生成器之間聯合學習能相互引導和改進。

2）為了驗證使用掩膜自監督方法在CT 圖像域上訓練的自編碼器（AE）模型作為感知損失的有效性，令未使用由掩膜自監督方法訓練的自編碼器作為感知損失的網絡為Model-B，其預訓練是針對CT 圖像進行簡單的重構輸入，由于簡單重構輸入訓練出來的感知損失網絡過分關注像素級別的細節而忽略了更為重要的語義特征，因此使用自監督方法訓練的特征提取器能更好地計算CT 圖像的特征差異。表3 的數據結果也驗證了本文掩膜自監督方法的有效性。

3）為了驗證本文Res-Unet 網絡的有效性，訓練一個使用Unet網絡作為骨干網絡來實現去噪和生成任務的雙重對抗模型Model-C。對比表3 中的Model-C 和DANet-AE 可以看到，使用Res-Unet 網絡，殘差塊可以極大保留圖像信息，其PSNR 和SSIM 指標有明顯提升，去噪性能更好。

表3 測試集上的消融實驗量化結果 Table 3 Quantitative results of ablation experiment on test set

5 結束語

本文提出一種結合感知損失的雙重對抗網絡去噪算法，用于實現低劑量CT 圖像修復。與傳統基于后驗概率推斷干凈圖像信息的算法相比，該算法能夠避免人工設計先驗知識和噪聲假設，并且自動學習噪聲分布，相比僅從后驗概率進行推斷的方式，通過數據的聯合分布能學習到更多的信息，從而在去噪時更好地抑制噪聲。此外，使用自監督方法訓練一個針對CT 圖像的自動編碼器來計算感知損失，加入感知損失的混合損失函數使得去噪效果更符合人體視覺認知特性。實驗結果表明，使用混合損失優化的模型在針對低劑量CT 圖像去噪修復時可以獲得質量更高的重建圖像。自監督學習可以在無標注的情況下學習到圖像表征，下一步將在去噪網絡中使用自監督方法進行預訓練，以提升網絡的訓練效果。此外，考慮到CT 數據往往是三維的，擴充網絡結構以對三維數據進行處理，同時結合前后文信息來實現更優的圖像去噪效果，也是今后的研究方向。