Mar, 2017

PWLS-ULTRA：低剂量 3D CT 图像重建的高效聚类和学习方法

PDF
TL;DR本文提出了一种基于 Union of Learned TRAnsforms 的惩罚加权最小二乘（PWLS）重建方法，可以提高低剂量计算机断层扫描图像的质量，同时减少患者的辐射剂量。
发现论文，激发创造
  • SUPER Learning: 一种用于低剂量 CT 图像重建的监督 / 无监督框架

    本文介绍了一个新的低剂量 X 射线 CT 成像重建方法 SUPER，该方法结合了深度学习的监督学习方法和基于 PWLS-ULTRA 的非监督转换学习方法，取得了比传统的监督、非监督方法更好的重建效果，并在迭代重建模块中使用更少的迭代次数。

    Oct, 2019

  • 多尺度小波域残差学习用于有限角度 CT 重建

    利用多尺度小波域残差学习架构结合先前方向性和全局分布性偏差的观察提出的新方法，可以有效消除有限角度下的 CT 图像伪影并保留图像的边缘和全局结构性。

    Mar, 2017

  • 基于分区汉克尔的少样本低剂量 CT 重建模型

    提出了一种利用基于分区汉克尔的扩散模型进行少量剂量 CT 重建的方法，该方法通过结构化张量从多个分区汉克尔矩阵中提取先验知识，利用迭代随机微分方程求解器以及数据一致性约束来更新获得的投影数据，并引入惩罚加权最小二乘和总变差技术以提高图像质量。结果表明，PHD 模型在减少伪影和噪音的同时保持图像质量方面表现出色。

    May, 2024

  • 单 PW 在美国成像中采用一种捷径生成复合 PW

    通过采用先进的扩散模型，我们在超声图像重建方面展示出了有效性，从而实现了采样步骤的大幅削减，所得结果与传统的扩散模型相比具有可比性。

    Dec, 2023

  • 通过对预训练的用于高斯降噪的 UNet 进行微调，用于低剂量 CT 图像重建与图像增强的下游任务

    这篇论文提出了一种计算机断层扫描（CT）图像增强方法，采用低剂量 CT 图像重建和神经网络预训练技术，取得了与当前最先进方法相媲美的结果。

    Mar, 2024

  • 具有区域级集损失的弱监督通用病变分割

    该论文提出了一种基于 HRNet 的弱监督方法，称为 AHRNet，通过区域级别集合（RLS）损失进行优化，可实现精准的通用病变分割，实验证明在公共数据集 Deeplesion 上取得了最佳表现。

    May, 2021

  • 基于轻量级伪三维卷积和表面点回归的深度体积通用病变检测

    提出了一种基于深度学习的方法，采用 P3DC 操作符和 SPR 方法对 3D CT 扫描中的病变进行准确和全面检测和计量，结果表明该方法在公共和本地数据集上都取得了优秀的表现，适用于大规模和小规模数据集。

    Aug, 2020

  • 深度一致性学习：医学超声波中用于高质量单平面波成像的无监督深度波束成形器

    提出了一种新的无监督学习方法，即基于深度相干学习 (DCL) 的深度学习波束形成 (DL-DCL)，用于高质量的单次脉冲波束成像。实验证明，该方法在空间分辨率上与 DMAS 相当，在对比度分辨率上优于所有对比方法，在临床设置中表现出巨大潜力。

    Nov, 2023

  • 融合监督和无监督学习提升低剂量 CT 图像重构

    我们提出了一种混合的监督 - 无监督学习框架，用于 X 射线计算机断层扫描（CT）图像重构。该学习方法利用了稀疏或无监督学习为先验条件以及神经网络重构器来模拟迭代过程，通过级联多个这样的模块组成重构流水线。实验证明，与最近的低剂量 CT 重建方法相比，该框架表现出很高的性能。

    Nov, 2023

  • XTransCT：使用转换网络通过两个正交 X 射线投影进行超快速体积 CT 重建

    本文提出了一种名为 XTransCT 的新型 Transformer 架构，可从二维 X 光图像中实时重建 CT 图像，该方法在图像质量、结构可靠性和普适性方面优于其他方法，并且可以在重建 3D 图像的同时实现约 300％的速度提高。

    May, 2023