改善临床诊断:用自适应掩盖和修改的非局部块进行脑MRI的新型无声化方法
A Velayudham1, K Madhan Kumar2, Krishna Priya M S3
1Department of Computer Science and Engineering, Jansons Institute of Technology, Coimbatore, Tamil Nadu, India. sunilvel@gmail.com.
Medical & biological engineering & computing
|May 18, 2024
概括
这项研究引入了一种新的方法来消除大脑MRI图像的噪声,平衡降噪和边缘保护,以更好地诊断. 该技术显著提高了图像质量,有助于准确检测诸如脑瘤等疾病.
科学领域:
- 医学成像医学成像
- 人工智能的人工智能
- 计算机视觉 计算机视觉
背景情况:
- 医学图像的否定对于准确的诊断至关重要.
- 现有的方法往往难以平衡降噪与边缘保护.
- 这种局限性阻碍了在各种医学成像领域的无声化技术的应用.
研究的目的:
- 开发一种用于消除脑MRI临床图像的新方法.
- 解决现有无色化技术在保存关键图像细节方面的局限性.
- 提高MRI扫描的质量,以提高诊断准确度,特别是针对脑瘤和阿尔茨海默病.
主要方法:
- 整合一个适应性掩护策略,用于动态掩护生成.
- 使用基于变压器的U-Net Prior发生器捕获等级特征并再生高质量的先前MRI图像.
- 使用边缘增强模块和修改的非本地块 (MNLB) 来保存结构信息并导出非本地上下文信息.
主要成果:
- 在阿尔茨海默氏症数据集上实现PSNR为40.965和SSIM为0.938.
- 在50%的噪音水平下,在脑瘤MRI数据集上达到PSNR为40.002和SSIM为0.926.
- 证明了最佳性能,PSNR为40.965,SSIM为0.938,MAE为5.847和MSE为3.672,掩盖率为60%.
结论:
- 拟议的消除噪声方法在降低噪声方面明显优于传统方法,同时保留了重要的图像细节.
- 适应性掩盖策略和集成模块有效地提高了脑MRI中的结构信息和诊断准确性.
- 这一进步有可能改善临床图像处理,并促进MRI扫描中精确的瘤检测.
