神經網路於X光相位對比成像之應用

Abstract

X光相位對比成像是一種藉由X光穿透物體後的相位變化，在軟組織等對於X光吸收對比度較弱的物質，可以提供良好影像品質的成像技術。在傳播X光相位對比成像技術下，基於不同物體和探測器的距離，可以在探測器上量測到強度影像。這些強度影像需要經由相位擷取演算法來回復相位資訊。然而，在這些相位擷取演算法當中存在奇異點，以致影像造成雜訊放大效應。在以往，可以利用非線性迭代方法去處理這個問題，但是這樣的方法缺乏達到良好影像品質的效能。在本論文當中，我們將迭代和深度學習的方法結合以重建相位資訊。這裡使用的深度學習方法是利用生成對抗網路來實現，其生成器於本論文的架構包括UNet、WNet以及SRResNet。我們隨後利用觀察者研究方法下的接受器操作曲線作定性評估，驗證這些經由深度學習後的重建相位。結果顯示藉由深度學習的方式可以提供一個良好的框架解決相位擷取演算法的問題，使我們可以得到影像品質較好的回復相位。在這些深度學習架構的結果當中，SRResNet擁有最佳的分類能力，其接受器操作曲線下面積達到82.6%。另一方面，WNet則擁有最高的對比度，其峰值訊雜比達到26.05。