【儀表網 研發快訊】近日，北京航空航天大學物理學院趙維教授課題組在國際醫學影像知名期刊Medical Image Analysis發表題為《NIFA: Low-dose CT imaging via noise intensity field aware networks》 的研究論文。該工作面向低劑量CT(Low-dose CT, LDCT)成像中普遍存在的噪聲問題，提出了一種基于噪聲強度場建模的全新降噪框架NIFA，在保證圖像診斷價值的前提下有效降低輻射劑量。
CT成像作為臨床診療的重要技術，在疾病篩查、治療規劃等應用中發揮著關鍵作用。但近年來，CT輻射風險的關注不斷提高，使得“在保證診斷價值的前提下降低輻射劑量”成為重要方向。低劑量CT雖可顯著減少輻射暴露，但也會導致投影信號強度下降，從而引入高噪聲和偽影，影響臨床可讀性。盡管深度學習方法在LDCT重建中取得了良好效果，但由于缺乏對醫學成像物理特性的建模，容易產生低頻噪聲偏移和“塑料感”紋理等問題，難以滿足臨床對噪聲紋理和結構細節的雙重要求。
針對上述難題，團隊從CT成像噪聲的物理來源出發，將LDCT噪聲建模為附加于CT值(HU)強度場上的“噪聲強度場”(Noise Intensity Field, NIF)，并據此將LDCT去噪任務形式化為強度值回歸問題。在此基礎上，研究團隊提出了NIFA(Noise Intensity Field Aware)網絡架構(圖1)，分別處理低HU區域與高HU區域的噪聲特性。該雙分支設計使網絡能夠針對不同組織結構采取差異化策略，從而在保持細節的同時抑制噪聲。
在優化目標上，團隊提出了噪聲強度場相似性損失，在頻域約束預測圖像的噪聲功率譜分布，使模型能夠降低噪聲強度而不改變其頻率分布特性，有效避免低頻噪聲偏移和偽紋理生成。這一點對維持醫學圖像診斷價值尤為關鍵。該設計使得NIFA能夠同時實現噪聲抑制與噪聲紋理保真，從根本上提升圖像的臨床適用性。
圖1. NIFA框架
研究在美國醫學物理學會公共LDCT數據集和團隊自主構建的高保真數值模擬LDCT數據集上對所提出的方法進行了全面驗證，結果表明NIFA在主觀視覺效果和客觀指標上均顯著優于U-Net、DnCNN、REDCNN、SwinIR等LDCT領域的代表性方法。特別是在噪聲功率譜(Noise Power Spectrum,NPS)評價中，NIFA能夠在顯著降低噪聲強度的同時保持噪聲頻率峰值位置不變，從而解決NPS低頻偏移問題，進一步證明了該方法在噪聲紋理保持方面的優勢，其重建圖像更符合正常劑量CT的視覺特征和臨床診斷習慣。
該方法不僅適用于低劑量醫學CT成像，也為需要兼顧快速掃描和高保真紋理的工業在線無損檢測等領域提供了新的解決思路，具有廣泛的工程應用潛力。
北京航空航天大學物理學院2023屆本科畢業生趙子暉(現為清華大學碩士研究生)和物理學院2022屆本科畢業生王硯鑫(現為北京航空航天大學杭州國際創新研究院博士研究生)為論文共同第一作者，趙維教授與香港科技大學李小萌教授為共同通訊作者，北航物理學院為第一單位。北京大學第三醫院田素青副主任醫師也參與了該項研究工作。該研究得到了國家自然科學基金、浙江省自然科學基金以及中央高校基本科研業務費等資助支持。
《Medical Image Analysis》創刊于1996年，隸屬于Elsevier出版集團，是醫學影像領域的國際頂級期刊。該期刊專注于醫學與生物圖像分析領域的最新研究成果，近三年平均影響因子為11.8，在醫學影像領域具有極高的學術影響力。
所有評論僅代表網友意見，與本站立場無關。