（通讯员：周海针，二审：金凯，三审：吴昭君）7月10日下午，湖北科技学院揽月学术沙龙理科组第20讲在揽胜楼1305教室如期开展。本次沙龙由科学技术协会主办，数学与统计学院、生物医学工程联合承办。本次沙龙聚焦医学CT图像智能降噪与重建算法研究，由2025级电子信息专业硕士研究生阮静怡、范泷文先后作学术汇报，相关专业师生到场参与研讨，围绕低剂量CT成像前沿深度学习方法展开交流学习。

2025级电子信息专业研究生阮静怡以《面向计算机断层成像的频率-空间互补注意力网络》为题展开汇报。针对现有CT降噪算法全局特征建模薄弱、频域先验挖掘不足、仿真噪声与真实临床噪声存在域偏移等痛点，报告解析2026年《Knowledge-Based Systems》提出的FSCANet网络。该模型采用编解码U-Net架构，分设频域、空域双分支：频域引入复值频率注意力分离结构与相位信息，捕捉全局长程依赖；空域依靠卷积保留图像局部细节，并搭建真实临床数据驱动的噪声模型完成协同训练。数据集测试结果显示，该网络在降噪、纹理保留、运算效率上全面优于主流算法，在公开数据集与真实临床CT数据中均拥有出色泛化能力。

范泷文带来题为《一种适用于低剂量CT成像的无数据降噪方法以及一种更好的Unet模型网络》的文献分享。低剂量CT（LDCT）可有效降低患者辐射伤害，但传统监督式重建算法依赖大量配对高低剂量CT样本，临床落地受限。报告解读一中新的的无数据集学习重建方案，该后处理算法无需训练数据集，通过最小化实测投影与模拟正弦图L1范数距离、结合总变分约束实现高质量CT图像恢复，免去人工调节权重系数；同时介绍经过模块拼接优化的改进Unet网络，相比现有模型在病灶识别、区域分割上具备更优异性能。

两场报告均围绕低剂量CT影像降噪、重建核心难题，分别从无数据无监督学习、频空双域注意力融合两大创新算法切入，理论详实、贴合临床影像诊断实际。分享结束后，师生围绕无监督CT重建训练逻辑、频域注意力网络结构优化、临床噪声适配等问题展开热烈探讨，现场学术交流氛围浓厚。