通过预训练和自我监督的微调调节来适应低剂量CT的域名
Simiao Yuan1,2, Haipeng Lv3, Zhedian Zhou2
1School of Biomedical Engineering (Suzhou), Division of Life Sciences and Medicine, University of Science and Technology of China, Hefei, China.
Journal of X-ray science and technology
|March 2, 2026
概括
本研究引入了一种自我监督的方法,以改善不同数据集的低剂量CT (LDCT) 排斥. 该方法适应预训练模型而不需要新的标记数据,增强医疗成像的跨领域概括性.
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:
- 深度学习在低剂量CT (LDCT) 中表现出色,但在领域转移方面扎.
- 现有的域调整方法通常需要目标域标记数据,限制实际使用.
研究的目的:
- 开发一种自我监督的微调方法,用于LDCT的清算.
- 在不需要目标域标签的情况下解决LDCT拒绝的域间隙.
主要方法:
- 一个自我监督的微调策略,使用像素混合预处理.
- 一个两阶段的微调方法来管理预训练-微调输入错位.
- 使用双尺度SwinIR模型,有效地捕获源域知识.
主要成果:
- 拟议的方法成功地弥合了LDCT否认的领域差距.
- 实现了有效的无线化性能和强大的跨领域通用化.
- 证明了没有目标域标签的自我监督学习的有效性.
结论:
- 自主监督的微调是跨领域LDCT消除噪音的可行方法.
- 开发的方法提高了模型适应性和在未见数据集上的性能.
- 公共可用的代码和模型有助于进一步的研究和应用.
