低剂量CT成像可有效降低患者辐射暴露并延长设备使用寿命，然而它通常会导致图像噪声和伪影增加，影响后续诊断。通过人工智能技术进行低剂量CT降噪或高清成像是当前医学影像的一个研究热点和重大的临床需求。
近日，珞珈实验室胡翔云教授团队以“High-Definition Reconstruction of Low-dose CT Images”（低剂量CT高清重建）为主题，在期刊《IEEE Transactions on Instrumentation & Measurement》,《Neurocomputing》,《Biomedical Signal Processing and Control》发表了4篇研究论文。
研究团队提出了一种新颖的端到端无监督条带扫描扩散模型，训练和采样过程基于前一条带信息递增扫描，减少了扩散模型降维过程对医学图像细节的破坏，实现了端到端的去噪结果并有效保护纹理特征。研究首次使用最简单的卷积和注意力架构，全面探索适用于不同场景的无监督去噪方法。训练过程只需常规剂量图像，即可实现不同剂量、厚度或设备下低剂量CT去噪，无需任何微调。在三个公开数据集上的大量实验证明了该方法取得了最优性能，由定量结果和盲评估表明，方法在视觉感知方面最接近常规剂量CT，有效地去除了噪声和伪影，并保留了病变细节和边缘清晰度。
武汉大学博士研究生苏波为论文第一作者，胡翔云教授为通讯作者。本研究得到武汉大学人民医院查云飞教授、万军教授，中南大学李建成院士等专家以及相关企业支持，获得湖北珞珈实验室专项基金（230100001）资助。
