（通讯员 王琳）近日，北京航空航天大学物理学院赵维教授课题组在国际医学影像知名期刊Medical Image Analysis发表题为《NIFA: Low-dose CT imaging via noise intensity field aware networks》 的研究论文。该工作面向低剂量CT（Low-dose CT, LDCT）成像中普遍存在的噪声问题，提出了一种基于噪声强度场建模的全新降噪框架NIFA，在保证图像诊断价值的前提下有效降低辐射剂量。

CT成像作为临床诊疗的重要技术，在疾病筛查、治疗规划等应用中发挥着关键作用。但近年来，CT辐射风险的关注不断提高，使得“在保证诊断价值的前提下降低辐射剂量”成为重要方向。低剂量CT虽可显著减少辐射暴露，但也会导致投影信号强度下降，从而引入高噪声和伪影，影响临床可读性。尽管深度学习方法在LDCT重建中取得了良好效果，但由于缺乏对医学成像物理特性的建模，容易产生低频噪声偏移和“塑料感”纹理等问题，难以满足临床对噪声纹理和结构细节的双重要求。

针对上述难题，团队从CT成像噪声的物理来源出发，将LDCT噪声建模为附加于CT值（HU）强度场上的“噪声强度场”（Noise Intensity Field, NIF），并据此将LDCT去噪任务形式化为强度值回归问题。在此基础上，研究团队提出了NIFA（Noise Intensity Field Aware）网络架构（图1），分别处理低HU区域与高HU区域的噪声特性。该双分支设计使网络能够针对不同组织结构采取差异化策略，从而在保持细节的同时抑制噪声。

在优化目标上，团队提出了噪声强度场相似性损失，在频域约束预测图像的噪声功率谱分布，使模型能够降低噪声强度而不改变其频率分布特性，有效避免低频噪声偏移和伪纹理生成。这一点对维持医学图像诊断价值尤为关键。该设计使得NIFA能够同时实现噪声抑制与噪声纹理保真，从根本上提升图像的临床适用性。

图1. NIFA框架

研究在美国医学物理学会公共LDCT数据集和团队自主构建的高保真数值模拟LDCT数据集上对所提出的方法进行了全面验证，结果表明NIFA在主观视觉效果和客观指标上均显著优于U-Net、DnCNN、REDCNN、SwinIR等LDCT领域的代表性方法。特别是在噪声功率谱（Noise Power Spectrum,NPS）评价中，NIFA能够在显著降低噪声强度的同时保持噪声频率峰值位置不变，从而解决NPS低频偏移问题，进一步证明了该方法在噪声纹理保持方面的优势，其重建图像更符合正常剂量CT的视觉特征和临床诊断习惯。

该方法不仅适用于低剂量医学CT成像，也为需要兼顾快速扫描和高保真纹理的工业在线无损检测等领域提供了新的解决思路，具有广泛的工程应用潜力。

北京航空航天大学物理学院2023届本科毕业生赵子晖（现为清华大学硕士研究生）和物理学院2022届本科毕业生王砚鑫（现为北京航空航天大学杭州国际创新研究院博士研究生）为论文共同第一作者，赵维教授与香港科技大学李小萌教授为共同通讯作者，北航物理学院为第一单位。北京大学第三医院田素青副主任医师也参与了该项研究工作。该研究得到了国家自然科学基金、浙江省自然科学基金以及中央高校基本科研业务费等资助支持。

《Medical Image Analysis》创刊于1996年，隶属于Elsevier出版集团，是医学影像领域的国际顶级期刊。该期刊专注于医学与生物图像分析领域的最新研究成果，近三年平均影响因子为11.8，在医学影像领域具有极高的学术影响力。