APNet:适应性投影网络用于医疗图像消毒
Qiyi Song1, Xiang Li2, Mingbao Zhang2
1Department of Endodontics and Periodontics, College of Stomatology, Dalian Medical University, Dalian, China.
Journal of X-ray science and technology
|November 6, 2023
概括
适应投影网络 (APNet) 有效地减少了低剂量医疗图像中的噪音. 这种先进的深度学习方法提高了图像质量,以更好地诊断疾病.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 放射学 放射学是一门学科.
背景情况:
- 低剂量放射图像会受到噪音的影响,降低特征质量,并可能影响疾病诊断.
- 图像噪声是临床医学的一个重大挑战,影响诊断准确度.
研究的目的:
- 引入自适应投影网络 (APNet) 以有效减少低剂量医疗图像中的噪音.
- 为了提高医疗图像的质量,在减少辐射暴露的情况下获得.
主要方法:
- APNet使用U形网络架构进行多层次的数据捕获和端到端的拒绝.
- 集成了双重注意力残留块和非局部注意力模块,用于适应性特征校准和噪音质感分离.
主要成果:
- 在量化指标和视觉质量方面,APNet在肺部CT图像上表现优于现有方法.
- 对牙科CT图像的实验证实了该网络在医学图像消毒方面的概括能力.
结论:
- 拟议的APNet是一个有效的深度学习解决方案,用于降低低剂量放射图像中的噪声.
- APNet成功地保存了对准确医疗诊断至关重要的图像细节.
