从单一图像中采集多层次噪声采样,用于低剂量断层扫描重建

科学领域:

• 医疗成像医学成像
• 图像处理 图像处理
• 放射学 放射学是一门学科.

背景情况:

• 低剂量数字放射 (DR) 和计算机断层扫描 (CT) 可以减少辐射暴露,但会降低图像质量.
• 在低剂量医疗成像中,由于降低的信号噪声比率,有效的无声化是至关重要的.
• 基于单一图像的denoising方法提供了一个解决方案,但往往缺乏足够的培训数据,并利用有限的信息.

研究的目的:

• 为低剂量DR和CT开发先进的单图像消噪技术.
• 通过产生更丰富的多视角揭露线索来解决现有方法的局限性.
• 为了提高医疗成像应用中无声化的有效性.

主要方法:

• 一种新的多级噪声采样 (MNS) 方法被提议用于低剂量断层扫描.
• 通过将输入空间分成子空间,MNS生成多层噪声子图像.
• 引入了一个优化函数,用于指导训练,使用来自多级噪音子图像的先前知识.

主要成果:

• 在单图像消噪方面,MNS方法在理论上表现出优越性.
• 对临床低剂量CT和DR数据集的广泛实验验证实了它的有效性.
• MNS的性能优于最先进的监督和自我监督的消毒方法.

结论:

• 该MNS方法提供了一种优越的解决方案,用于低剂量的医学图像.
• 这种方法有效地弥合了自我监督和监督的清除网络之间的差距.
• 在低剂量放射和断层扫描中,MNS显著提高了图像质量.