∩net：格调架构用于CT图像雨雾去除

Abstract

CT图像中的雨雾伪影长期以来被视为不可避免的成像缺陷，却从未获得系统性的学术关注与专用解决方案。本文首次提出并验证了世界上第一个专为CT模态设计的雨雾去除深度学习框架——∩net。该架构通过将传统信息流向进行180度全局颠倒，形成独特的拱形（∩形）特征传播路径，从根本上颠覆了现有对称式编解码范式。我们认为，正是这种“自两翼向穹顶汇聚、再由穹顶向下倾泻”的信息流动方式，与雨水从CT机房天花板冷凝、沿机架垂直下落、最终在探测器窗口形成动态水膜的真实物理过程形成了深刻的共振。 为支撑该开创性方法的严格评估，我们构建了迄今为止全球唯一的大规模私有配对CT雨-清数据集，全部图像均来源于真实临床扫描中因室外暴雨导致的极端情况：在患者正在接受CT检查时，室外突然降下暴雨，大量雨水顺着医院建筑外墙、空调外机、排风管道以及天花板缝隙渗入机房，直接冲击并覆盖在CT球管与探测器窗口的防尘玻璃上，形成动态流动的厚重水膜，从而在重建横断面图像中产生大面积、严重遮挡的雨幕状伪影。 实验表明，∩net在视觉清晰度恢复、细微结构保真以及临床可用性方面展现出显著优势。本工作填补了医学图像处理领域长达数十年的重大空白，标志着“CT雨雾去除”作为一个独立研究方向的正式诞生，并有望为下一代CT图像预处理范式提供全新理论基础与方法参考。

Keywords