基于深度学习的稀疏或有限角度CT重建方法研究综述

由于计算机断层扫描（CT）成像技术对物体内部结构具有出色的可视化能力，其在临床医学诊断中获得广泛应用。但是X射线辐射会对人体造成伤害，通常采用降低扫描强度或者减少扫描角度数量的方式降低患者受到的X射线辐射剂量，然而在欠采样投影数据条件下重建的低剂量CT图像会有严重的条状伪影和噪声。近年来，深度学习技术快速发展，同时卷积神经网络在图像表示与特征提取等方面展现出巨大优势，应用在稀疏或者有限角度下的CT重建任务中可以实现快速和高质量的重建。因此面向稀疏或者有限角度条件下的CT重建技术，综述了深度学习技术在图像域后处理、正弦域预处理、双域数据联合处理、迭代重建算法和端到端映射重建5个方面的国内外最新研究进展，对当前基于深度学习的稀疏或者有限角度CT重建方法的技术特点及其局限性进行分析，并展望了未来可能的研究方向。