d-MAR:通过扩散驱动的域转换来减少深金属文物

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 计算机视觉 计算机视觉

背景情况:

• 金属植入物会在CT图像中造成严重的人工物,降低诊断准确度.
• 监督的金属工件减少 (MAR) 模型在模拟和真实数据之间的域间隙中扎.
• 无监督的 MAR 方法提供有限的工件抑制和训练稳定性.

研究的目的:

• 引入d-MAR,一个用于有效减少金属工件的新型框架.
• 通过将真实图像转换为模拟域来解决MAR中的域差挑战.
• 提高MAR模型在不同设备和协议上的通用化能力.

主要方法:

• 在真实和模拟图像域之间开发了一个扩散驱动的域转换框架 (d-MAR).
• 使用扩散模型作为转换桥梁,采用条件输入和采样增强.
• 利用福利埃提取的低频图像组件进行域对齐,无需随机生成,保持解剖准确性.

主要成果:

• 使用模拟数据训练的模型,d-MAR成功地从真实临床数据中减少了金属工件.
• 该方法在定量指标和视觉质量方面始终表现出优于传统的MAR技术.
• 对各种数据集 (临床头部,临床身体,牙科CBCT) 的评估证实了强大的概括能力.

结论:

• 在CT成像中,d-MAR有效地弥合了金属工件减少领域的差距.
• 拟议的框架通过提高金属植入物存在的图像质量来提高诊断可靠性.
• d-MAR为现实世界的临床应用提供了强大的和可通用的解决方案.