通过在双域中插入扩散前置来减少无监督的CT金属文物

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 图像处理 图像处理

背景情况:

• 计算机断层扫描 (CT) 中的金属植入物产生了人工物,阻碍了准确的诊断.
• 对金属工件减少 (MAR) 的监督深度学习方法需要具有挑战性的配对模拟数据,从而限制了临床适用性.
• 现有的无监督的MAR方法通常仅在图像或sinogram域内运行.

研究的目的:

• 开发一种使用扩散模型的无监督金属工件减少 (MAR) 方法.
• 通过消除对配对培训数据的需求,克服监督方法的局限性.
• 通过利用双域处理来提高无监督MAR的性能.

主要方法:

• 一个扩散模型被训练在没有工件的CT图像上.
• 在sinogram和图像领域中,扩散先验被代地应用,以恢复受金属文物影响的区域.
• 临时动态权重面罩是为图像域融合而设计的,使双域处理成为可能.

主要成果:

• 拟议的无监督双域扩散模型显著优于现有的无监督MAR方法.
• 该方法在临床数据集上与监督和无监督方法相比,实现了优越的视觉效果.
• 在合成数据集上,有效性在质量和数量上得到验证.

结论:

• 双域扩散模型为CT成像中的金属工件减少 (MAR) 提供了一种强大的无监督方法.
• 这种方法通过有效地去除金属工件而提高诊断准确度,而不需要配对的训练数据.
• 这种方法显示出在CT成像中用金属植入物进行临床应用的巨大潜力.