b-MAR:双向工件表示学习框架用于牙科CBCT中的金属工件减少

科学领域:

• 医疗成像医学成像
• 放射学中的人工智能
• 计算成像技术的成像

背景情况:

• 计算机断层扫描 (CT) 图像中的金属工件,特别是在牙科CBCT中,显著阻碍了诊断和治疗.
• 现有的监督金属工件减少 (MAR) 方法往往忽视了底层的金属工件生成过程.
• 牙科CBCT容易受到严重的工件污染,原因是低管电压和高衰减牙科材料.

研究的目的:

• 提出一种新的双向工件表示学习框架,用于牙科CBCT中的自适应性金属工件减少 (MAR).
• 模拟金属工件的生成和消除,以提高MAR性能.
• 提高牙科CBCT成像的准确性和可靠性.

主要方法:

• 引入了一种高效的文物编码器来提取多尺度的金属文物表示.
• 开发了一个框架,将文物表示嵌入到生成器和消除器网络中,用于同时删除文物和生成学习.
• 实现文物一致性损失以对齐图像生成过程.

主要成果:

• 拟议的双向MAR (b-MAR) 方法在模拟和临床数据集上显著改进,具有各种牙金属形态.
• 与最先进的方法相比,在PSNR中实现了> 1.4131 dB,在RMSE中减少了> 0.3473 HU,在结构相似性指数测量中实现了> 0.0025 个提升.
• 有效地去除各种金属形态造成的文物,恢复牙组织完整性.

结论:

• 通过双向文物表示嵌入,b-MAR方法通过加强对文物删除和生成过程的联合学习来提高MAR性能.
• 在牙科CBCT图像中,b-MAR能够强大而有效地纠正由不同牙金属引起的金属工件.
• 拟议的框架为牙科成像中人工物减少提供了显著的进步.