近日，生物医学工程学院周凌宏、徐圆团队开发出非配对数据训练的无监督模型用于CT金属伪影校正，在国际顶级学术期刊《IEEE Transactions on Medical Imaging》发表了最新科研成果：PND-Net: Physics-Inspired Non-Local Dual-Domain Network for Metal Artifact Reduction.

CT金属伪影校正方法是医学成像的重要研究内容之一。金属伪影的存在对临床中如剂量计算、临床诊断等场景产生严重危害。CT金属伪影的产生主要由多能X射线经过高衰减物质所引起的射束硬化所致，另外还受到康普顿散射、部分容积效应的影响。研究者利用蒙特卡罗模拟以及真实数据证明金属伪影的非局部特点，通过设计物理启发式非局部双域模型进一步提升金属伪影的校正效果。为解决目前有监督模型依赖合成数据训练而导致泛化性能下降的问题，研究者提出的了非配对数据训练的模型框架，通过引入一个融合模块提升模型的对抗生成能力。论文中，通过大量的仿真以及临床数据验证了所提出的方法具备优越的金属伪影校正效果，并且获得了很好的模型泛化能力，具备临床运用的潜力。

物理启发式非局部双域模型网络结构图