AAPM CT金属文物减少大挑战

科学领域:

• 医疗成像医学成像
• 计算成像技术的成像
• 图像处理 图像处理

背景情况:

• 在CT扫描中的金属文物显著降低了图像质量和诊断价值.
• 现有的方法缺乏用于客观性能比较的标准化基准.
• 一个通用基准对于评估和推进CT金属工件减少 (MAR) 技术至关重要.

研究的目的:

• 通过AAPMCT-MAR大挑战建立一个临床代表性的2D MAR性能基准.
• 促进不同MAR算法的客观比较.
• 为未来的研发提供一个MAR培训数据库和工具.

主要方法:

• 组织了一个大挑战,邀请参与者提交MAR算法结果.
• 开发了一个混合模拟框架,用现实的金属物体生成14000个CT训练数据集.
• 通过使用八个图像质量指标评估了29个临床数据集,并与正常化金属工件减少 (NMAR) 参考标准进行了比较.

主要成果:

• 106个团队注册,26个团队完成;92%使用深度学习 (DL) 方法 (UNet,ResNet,GAN,扩散模型,变压器).
• 22%的团队结合了sinogram和图像域处理.
• 超过70%的团队超过了NMAR基线,展示了多样化和有效的MAR方法.

结论:

• 在CT-MAR大挑战中,成功比较了最先进的MAR算法.
• 混合数据生成框架在创建大规模,现实的MAR数据集方面被证明是有效的.
• 公开发布的MAR基准和培训数据将支持正在进行的MAR开发和比较.