每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

基于图像净化策略的真实世界超低剂量肺 CT 图像去噪框架

Created by
  • Haebom

作者

龚国良、曼宇

大纲

本文提出了一种基于深度学习的新型去噪框架，用于解决超低剂量计算机断层扫描 (ULDCT) 图像中的噪声和伪影问题。具体而言，为了解决 uLDCT 和无剂量计算机断层扫描 (NDCT) 之间的空间不匹配问题，我们引入了一种图像净化 (IP) 策略，用于生成结构对齐的 uLDCT-NDCT 对。在此基础上，我们开发了一种频域流匹配 (FFM) 模型，以增强解剖学保存。使用真实临床数据的实验表明，所提出的 IP 策略与 FFM 模型的组合优于现有的去噪模型。

Takeaways，Limitations

•
Takeaways：
◦
构建和发布真实的临床 ULDCT 数据集。
◦
通过图像净化策略对 ULDCT-NDCT 数据进行对齐并确保高质量数据。
◦
通过开发频域流匹配 (FFM) 模型来提高解剖结构保存性能。
◦
实现 ULDCT 去噪领域的最先进水平并发布代码和数据集。
◦
解决 ULDCT 去噪中数据不一致问题的有效解决方案。
•
Limitations：
◦
论文中缺乏有关具体性能指标和比较模型的详细信息。
◦
没有提及 IP 策略和 FFM 模型的复杂性和计算成本。
◦
需要进一步研究泛化性能（以及对其他设备和协议的适用性）。
👍
Made with Slashpage