适应式和代式学习与多视角规范化用于金属人工物减少
IEEE transactions on medical imaging
|April 30, 2024
概括
这项研究引入了一种新的波纹域方法,用于CT图像中的金属工件减少 (MAR). 该方法有效地减少了文物,通过利用波量变换特性来提高诊断准确性.
科学领域:
- 医疗成像医学成像
- 图像处理 图像处理
- 计算科学 计算科学
背景情况:
- 金属工件减少 (MAR) 对于准确的CT图像诊断至关重要.
- 目前在sinogram或图像领域的深度学习方法有局限性,包括错误传播和难以区分文物和真实特征.
研究的目的:
- 提出和评估一个新的MAR方法在波形域.
- 为了克服现有的阴影图和图像域MAR技术的局限性.
主要方法:
- 将CT图像分解为多个波纹组件.
- 在MAR模型中引入多视角规范化和自适应波形模块.
- 为模型优化开发一个代算法.
主要成果:
- 波形变换通过保持空间对应性来防止二次工件.
- 金属工件的高频性质被利用,以便在波形域中更好地识别.
- 与合成和临床数据集的现有技术相比,提出的方法显示出更高的性能.
结论:
- 在波形域中执行MAR比传统的sinogram或图像域方法具有显著的优势.
- 拟议的模型有效减少金属文物,提高CT图像质量和诊断潜力.
- 波形域 MAR 是改善临床CT成像的一个有前途的方法.


