使用双向对比网络的低剂量CT无监督无声化
Yuanke Zhang1, Rui Zhang2, Rujuan Cao2
1School of Computer Science, Qufu Normal University, Rizhao 276826, China; Shandong Provincial Key Laboratory of Data Security and Intelligent Computing, Qufu Normal University, Rizhao 276826, China.
Computer methods and programs in biomedicine
|May 9, 2024
概括
这项研究引入了一种无监督的方法来消除低剂量计算机断层扫描 (LDCT) 图像的噪音,提高质量而不需要配对数据. 双向对比无监督排泄 (BCUD) 模型提高了诊断准确性和临床适用性.
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:
- 低剂量计算机断层扫描 (LDCT) 减少了辐射,但引入了噪音和文物,损害了图像质量和诊断准确性.
- 监督学习方法需要大型的,配对的数据集,这带来了重大的获取挑战.
研究的目的:
- 开发一个强大的无监督的LDCT退出方法,克服对对对的LDCT和正常剂量CT (NDCT) 样本的依赖.
- 改进最不发达国家 (LDCT) 消毒技术的可访问性和实际应用.
主要方法:
- 提出一种新的无监督网络模型,双向对比无监督排斥 (BCUD).
- 使用具有对比学习的双向网络结构来映射噪音较低的LDCT和干净的NDCT域之间的对应.
- 采用双编码器,区分器和独特的投影头,用于特定领域的数据生成和自适应特征表示.
- 在学习嵌入空间中对各领域的相应特征进行对齐,以减少噪音和保存细节.
主要成果:
- 在公开和临床数据集上,BCUD表现出卓越的性能.
- 实现了高量的量化指标:PSNR (31.387dB),SSIM (0.886),IFC (2.305),VIF (0.373). 获得了高量的量化指标:PSNR (31.387dB),SSIM (0.886),IFC (2.305),VIF (0.373). 获得了高量的量化指标:PSNR (31.387dB),SSIM (0.886),IFC (2.305),VIF (0.373).
- 放射科医生的主观评价平均得分为4.23,表明其具有很强的临床适用性.
结论:
- 介绍了一种使用双向对比网络的创新无监督LDCT退出方法.
- 该BCUD方法显著提高了临床适用性,消除了匹配图像对的需要.
- 这种方法在未经监督的LDCT中设置了一个新的基准,在降低噪音和保存细节方面表现出色.
