一个大型的开放访问数据集的透光成像光学计算机断层扫描实现的方向
To Ni Phan Van1, Hoang Nhut Huynh2,3, Ngoc An Dang Nguyen2,3
1Graduate School of Information, Production and Systems, Waseda University, Kitakyushu, 808-0135, Japan.
Scientific data
|March 6, 2025
概括
这项研究引入了一组新数据集,包括12,000张转光图像,以改进AI应用. 该数据集解决了分散和模糊的挑战,使得更好的深度估计和3D重建成为可能.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 透光成像提供非侵入性的内部结构洞察力,但患有分散诱导的模糊.
- 有效的人工智能增强转光图像需要高质量,大规模的数据集,这些数据很难获得.
- 现有的AI应用在散射抑制,深度估计和3D重建方面面临挑战.
研究的目的:
- 引入一个全面的数据集,以促进人工智能在透光成像中的发展.
- 为了克服获得大规模,高质量的透光图像数据集的困难.
- 为人工智能驱动的图像消除模糊,深度感知和3D重建提供基础.
主要方法:
- 开发了用于生成深度依赖的点差函数的方法和算法.
- 创建了用于生成模拟散射效应的转光图像的算法.
- 编制了一组数据集,包含 12,000 个图像对 (清晰和分散的媒体) 和深度信息.
主要成果:
- 创建了一个新的,大规模的数据集,由12,000个转光图像对组成.
- 数据集包括每个图像对的相应深度信息.
- 该数据集促进了基于人工智能的散射抑制和3D重建的研究.
结论:
- 引入的数据集对于开发和优化用于透光成像的AI模型至关重要.
- 这个资源将加速人工智能驱动的图像消除模糊和深度估计的进展.
- 这项研究为增强的非侵入性医学和生物识别成像应用奠定了基础.


