低剂量 CT 去噪
低剂量 CT 去噪是指抑制为降低辐射剂量而减小管电流或管电压时，CT 图像中出现的噪声和伪影。探测到的光子减少会增大投影中的量子噪声，重建后表现为颗粒状纹理和条纹，可能掩盖低对比度病灶。
它用于肺癌筛查、儿科成像、反复随访扫描和灌注研究等一切需要控制累积剂量的场景。标准的真实数据基准是 2016 年 AAPM 低剂量 CT 大挑战中的 Mayo Clinic 数据（现以 LDCT-and-Projection-data 在 TCIA 发布），LoDoPaB-CT 则是主要的模拟基准。
方法可以在投影域进行（正弦图滤波、考虑噪声模型的恢复），也可以在图像域进行（RED-CNN 等 CNN、带感知损失的 GAN 去噪器、Transformer），或两者结合，或嵌入使用学习先验或字典先验的统计迭代重建中。自监督方法免去了对成对全剂量图像的需求，扩散模型也越来越多地被用作先验。
在可检索的目录中浏览全部 69 篇「低剂量 CT 去噪」论文
入门推荐
如果你刚接触这个主题，可以先读这几篇；由维护者挑选。
- Low-Dose CT with a Residual Encoder-Decoder Convolutional Neural Network (TMI, 2017 · code)
残差编码器-解码器 CNN，已成为图像域去噪的标准基线，附代码。 - Low Dose CT Image Denoising Using a Generative Adversarial Network with Wasserstein Distance and Perceptual Loss (TMI, 2018 · code)
引入 Wasserstein GAN 训练与感知损失，避免低剂量图像被过度平滑，附代码。 - CTformer: Convolution-Free Token2Token Dilated Vision Transformer for Low-Dose CT Denoising (PMB, 2023 · code)
一个不含卷积的视觉 Transformer 低剂量 CT 去噪方法，附代码；是 Transformer 类方法的良好代表。 - LoDoPaB-CT, a benchmark dataset for low-dose computed tomography reconstruction (Scientific Data, 2021 · code)
LoDoPaB-CT 基准数据集的数据描述论文，附参考代码；在该数据集上报告结果前值得一读。 - Self-Supervised Training For Low-Dose CT Reconstruction (ISBI, 2021)
只用含噪测量训练低剂量重建网络，无需全剂量目标图像。
论文
共 69 篇，按时间倒序列出最新的 30 篇。
在可检索的目录中浏览全部 69 篇「低剂量 CT 去噪」论文
数据集、基准与工具库
目录中任务或标签与本主题相符的条目。
- LoDoPaB-CT (官方页面) · 数据集 — Projection + image. 42,895 对仿真人体胸腔切片（LIDC/IDRI），单一噪声水平（N0 = 4096）——其他剂量水平需自行重仿真。事实上的低剂量 CT 标准基准；附有调优良好的 FBP/U-Net 参考流程。
- LDCT-and-Projection-data (官方页面) · 数据集 — Projection + image. Mayo Clinic 发布，经 TCIA 分发。299 例头部／胸部／腹部扫描（99 / 100 / 100），每例含一次常规剂量扫描外加一套仿真的降剂量投影——头部与腹部为常规剂量的 25%，胸部为 10%。胸部与腹部数据以 CC BY 4.0 开放；99 例头部扫描因可能重建出人脸，需按 NIH 受控访问流程申请。并以开放的 DICOM-CT-PD 格式提供原始正弦图。它源自 2016 年 AAPM 低剂量 CT…
- LIDC-IDRI (官方页面) · 数据集 — 1,018 例胸部 CT，带四位放射科医师的结节标注。LoDoPaB-CT 与多数仿真低剂量数据所依据的解剖来源。
- STOIC 2021 (官方页面) · 数据集 — 10,735 例来自法国第一波疫情的 COVID-19 胸部 CT，用于重症结局预测；规模很大的真实临床分布偏移测试。此处通过 NCI Imaging Data Commons 镜像收录，同一批数据提供可查询 API。
- MosMedData (官方页面) · 数据集 — 1,110 例胸部 CT，带 COVID-19 严重程度分级；常被复用为低质量/低剂量鲁棒性测试集。原站目前无法访问——Kaggle 镜像收录了同一批数据。
- LoDoPaB-CT (benchmark release paper) · 数据集 — LoDoPaB-CT 数据集在 Scientific Data 上的数据描述论文——在该切分上报告结果时应引用的文献。记录了仿真协议与 FBP/U-Net 参照基线。
- COBRA2026: a large-scale multicenter pelvic cone-beam computed tomography projection dataset (官方页面) · 数据集 — Projection + image. 来自六家欧洲中心的 867 例骨盆放疗 CBCT 扫描（Elekta 与 Varian 系统），含原始投影、采集几何、临床 CBCT 与计划 CT。约 950 GB，按 692/52/123 划分，以 CC BY-NC 4.0 发布于 Zenodo（doi:10.5281/zenodo.21322350）。也是 COBRA2026 重建挑战赛的数据基础。
- Walnut-21 (two dose levels) (官方页面) · 数据集 — Projection only. 21 颗核桃的高分辨率锥束扫描，每颗都以两个辐射剂量水平各采一次——同一物体的一版「干净」与一版「带噪」。这种配对采集正是它的用处：噪声水平可以直接对照已知解剖结构来比较，而不是靠推测。
- LoDoInd (官方页面) · 数据集 — 同一批工业 CT 试件的五个剂量级别，其中含一次近乎无噪的参考扫描，全部预先配准，跨剂量级别的切片彼此对齐。与医学低剂量数据集的关键差别在于几何与试件——这是工业硬件的检测数据而非临床解剖，所以当目标是 NDT 流水线而非诊断流程时，它才是该用的基准。每级 4000 张 1250×1250 切片；因 Zenodo 单次上传上限 50 GB，拆分为三个存档。
- AAPM Low-Dose CT Grand Challenge (官方页面) · 基准 — 确立了 1/4 剂量 / 10% / 5% 协议与 Mayo 腹部队列的挑战赛。几乎每一篇低剂量 CT 论文至今仍在该切分上报告结果。
- LoDoPaB-CT benchmark (官方页面) · 基准 — 在 LoDoPaB-CT 切分上以大挑战赛方式评测，并发布经过调优的 FBP+U-Net 参照基线，使改进幅度可度量。
- SPIE-AAPM-NCI LungX Challenge (官方页面) · 基准 — 低剂量筛查 CT 上的肺结节良恶性诊断分类——任务是对照放射科医师做诊断，而非结节检测。共 70 例（10 训练、60 测试），数据经 TCIA 分发。
- Noise2Noise denoising protocol (官方页面) · 基准 — 让「无需干净真值即可训练去噪器」流行起来的参照实现。在 CT 上它成为标准的「无干净真值」评测协议——多数无监督 CT 去噪论文都在此设定下、用 Mayo-LDCT 式切分报告结果。
- Physics-ArX · 工具库 — 基于物理的数据增强库，把真实的 CT/CBCT 噪声、散射与伪影模型注入既有图像，以构造成对训练数据。
- LD-CT simulator · 工具库 — 低剂量 CT 仿真器，用经过验证的噪声模型把高剂量图像转成逼真的低剂量对应图像。
指南
涵盖本主题的指南。