低剂量计算机断层扫描重建与基于动量调节频率的网络.
Qixiang Sun1, Ning He2, Ping Yang1
1School of Mathematical Sciences, Capital Normal University, Beijing, 100048, China.
Computer methods and programs in biomedicine
|March 2, 2025
概括
这项研究引入了一种新的基于模型的数据驱动 (MBDD) 方法,用于低剂量计算机断层扫描 (LDCT) 重建. 新方法提高了图像质量,并大大减少了代,以获得更快,更准确的结果.
科学领域:
- 医疗成像医学成像
- 计算成像技术的成像
- 医疗保健中的人工智能
背景情况:
- 基于模型的数据驱动 (MBDD) 方法将基于模型的代重建 (MBIR) 与低剂量计算机断层扫描 (LDCT) 重建的深度学习 (DL) 集成在一起.
- 现有的MBDD方法面临着DL有效性,高计算成本,大量代和确保像素精度的挑战.
- 在基于DL的CT重建中,损失函数对于实现所需的像素精度至关重要.
研究的目的:
- 提高MBDD方法在最不发达国家重建的性能和效率.
- 在当前的MBDD框架内解决计算成本和代数量的局限性.
- 为了提高复制CT图像的像素精度和整体质量.
主要方法:
- 引入频率调整网络 (FAN) 以在推断过程中优化高频和低频组件.
- 基于动量调整的频率调整网络 (MFAN) 的开发,利用动量术语加速融合.
- 关于焦点细节损失 (FDL) 函数的建议,以在DL模型训练期间保存细节.
主要成果:
- 在AAPM-Mayo和现实世界小猪数据集上的验证证实了拟议贡献的优越性能.
- 在仅仅10次代中,MFAN实现了融合,比现有方法显著提高了速度.
- 废弃性研究强调了FAN,MFAN和FDL的单个和联合有效性.
结论:
- 介绍了一种基于MBDD的新型LDCT重建方法,它结合了MFAN和FDL.
- 拟议的方法大大减少了趋同所需的代.
- 在视觉和数值上都取得了卓越的重建结果.
更多相关视频
12:24Computed Tomography-guided Time-domain Diffuse Fluorescence Tomography in Small Animals for Localization of Cancer Biomarkers
Published on: July 17, 2012
12.3K
07:013D Imaging of Soft-Tissue Samples using an X-ray Specific Staining Method and Nanoscopic Computed Tomography
Published on: October 24, 2019
9.7K
