中文标题：Wave-MambaCT：基于小波Mamba的低剂量CT伪影抑制方法

英文标题：Wave-MambaCT: Low-dose CT Artifact Suppression Method Based on Wavelet Mamba

来源期刊：电子与信息学报

基金项目：国家青年科学基金(62001321)，山西省自然科学基金(202303021221144, 202403021221140, 202403021221139)

作  者：崔学英¹ 王宇航² 刘斌¹ 上官宏³ 张雄³

作者单位：1. 太原科技大学应用科学学院 太原 030024
2. 太原科技大学计算机科学与技术学院 太原 030024
3. 太原科技大学电子信息工程学院 太原 030024

摘  要：低剂量CT(LDCT)图像中的伪影和噪声影响疾病的早期诊断和治疗。基于卷积神经网络的去噪方法在远程建模方面能力有限。与Transformer架构的远程建模方法相比，基于Mamba模型在建模时计算复杂度低，然而现有的Mamba模型存在信息丢失或噪声残留的缺点。为此，该文提出一种基于小波Mamba的去噪模型Wave-MambaCT。首先利用小波变换的多尺度分解解耦噪声和低频内容信息。其次，构建残差模块结合状态空间模型的Mamba模块提取高低频带的局部和全局信息，并用无噪的低频特征通过基于注意力的跨频Mamba模块校正并增强同尺度的高频特征，在去除噪声的同时保持更多细节。最后，分阶段采用逆小波变换渐进恢复图像，并设置相应的损失函数提高网络的稳定性。实验结果表明Wave-MambaCT在较低的计算复杂度和参数量下，不仅提高了低剂量CT图像的视觉效果，而且在PSNR，SSIM，VIF和MSE四种定量指标上均优于现有的去噪方法。

全文链接： https://jeit.ac.cn/cn/article/doi/10.11999/JEIT250489