用于低剂量CT的剂量感知消噪扩散模型
Seongjun Kim1, Byeongjoon Kim2,3, Jongduk Baek2,3
1School of Integrated Technology, Yonsei University, Seoul, Republic of Korea.
Physics in medicine and biology
|June 26, 2025
概括
一种新的剂量感知扩散模型通过提高剂量水平的概括性和保持图像质量来增强低剂量计算机断层扫描 (LDCT) 染. 这种方法为医学成像提供了临床实用的解决方案.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 计算科学 计算科学
背景情况:
- 低剂量计算机断层扫描 (LDCT) 对于减少患者的辐射暴露至关重要.
- 深度学习 (DL) 方法对LDCT的否定有希望,但与普遍性和不确定性作斗争.
- 现有的方法在适应不同数据集和剂量水平方面面临挑战.
研究的目的:
- 引入一种新的剂量意识的扩散模型,以有效地消除LDCT的噪音.
- 解决当前DL方法在概括性和不确定性方面的局限性.
- 为了保持结构的保真性和改善噪声降低LDCT图像.
主要方法:
- 一个基于物理的前过程,具有连续的时间步骤,用于灵活的噪声表示.
- 整合了一种高效的噪声校准模块,以与时间步骤对准中间结果.
- 一种新的方法来估计未见的LDCT图像的时间步骤,以确保概括性.
主要成果:
- 拟议的模型在保持噪声纹理和解剖结构方面优于现有方法.
- 在不同剂量水平和未见的数据集上观察到一致的性能.
- 梅奥诊所数据集的定性和定量评估证实了它的有效性.
结论:
- 新的剂量意识扩散模型有效地解决了LDCT的概括和不确定性.
- 该方法表现出高结构保真度和计算效率.
- 这种方法为LDCT在不同剂量水平的染提供了临床实用的解决方案.
