TDMAR-Net:用于CT金属工件减少的频率意识三域扩散网络.
Wenzhuo Chen1, Bowen Ning1, Zekun Zhou2
1School of Information Engineering, Nanchang University, Nanchang 330031, People's Republic of China.
Physics in medicine and biology
|October 2, 2025
概括
这项研究介绍了TDMAR-Net,这是一种用于减少CT图像中的金属工件的新型扩散模型. 它通过使用多域信息有效地提高图像质量,优于现有的无监督方法.
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:
- 金属植入物会在计算机断层扫描 (CT) 图像中造成显著的文物,阻碍临床诊断.
- 现有的金属工艺品减少方法存在局限性,包括残留工艺品和依赖配对数据或多域信息.
研究的目的:
- 提出TDMAR-Net,一个基于扩散模型的三域神经网络,用于金属工件减少和CT图像质量提升.
- 为了利用投影,图像和里埃域的先验来改进文物移除.
主要方法:
- 开发了TDMAR-Net,一种利用投影,图像和里埃域的扩散模型.
- 采用了两阶段的培训策略:大规模预培训和掩盖数据微调.
- 在里埃域中集成了一个高通波器模块,并以块处理图像以提取扩散先前信息,代地填充sinogram和图像域中的文物.
主要成果:
- 与现有的无监督方法相比,TDMAR-Net表现出更高的性能.
- 该方法有效地去除金属诱导的文物,并提高CT图像质量.
- 对合成和临床数据集的验证成功.
结论:
- TDMAR-Net有效地克服了跨领域信息共享的挑战,以精确而坚固地消除金属文物.
- 拟议的方法在金属植入物存在时,可显著改善CT图像质量.


