Jun, 2023

2DeteCT -- 一份用于机器学习的大型二维可扩展、可训练、实验性计算机断层扫描数据集

PDF
TL;DR提供一个适用于开发机器学习技术的、用于 X 射线计算机体层扫描的二维测角 CT 数据集，通过高分辨率的光线，扫描了具有形状和密度自然变异的样本共计​​5000 个切片，并提供原始投影数据、参考重建和基于开源数据处理管道的分段。
computational imagingmachine learningx-ray computed tomographydatasetimage reconstruction
发现论文，激发创造
  • 单张图像断层摄影：2D 头颅 X 光获取 3D 图像体积

    本研究展示了基于深度学习的卷积神经网络可以重构二维 X 光成为三维体积，通过将粗略的，固定分辨率的体积与输入的 X 光融合成高分辨率的体积，以实现更加精细化的成像。同时，研究团队还创建了一个新的数据集，其中包括了将近 50 万个 175 个哺乳动物物种的计算机模拟二维 X 光成像的数据，为以前基于层析成像和数据驱动学习的方法提供了比较和验证，并应用于实际 X 光成像数据的重构和渲染。

    Oct, 2017

  • 通过合成数据上的深度端到端学习实现有限角度层析重建

    基于深度神经网络，本论文提出了一个训练于大量精心制作的合成数据上的模型，可以进行受限角度的断层投影重建，即便仅有 30° 或 40° 的正弦图像，取得了 2022 年赫尔辛基断层成像挑战赛的第一名。

    Sep, 2023

  • 多帧跨域图像去噪在低剂量计算机断层扫描中的应用

    该研究提出了一种使用多层螺旋 CT 扫描仪的两阶段方法，以更好地利用完整的重建管道进行 LDCT 去噪，在不同领域中实现更精确的低剂量成像。

    Apr, 2023

  • X2CT-GAN: 用生成对抗网络从二平面 X 光线重建 CT

    使用生成对抗网络（GAN）框架从两个正交 X 射线重构 CT。所提出的特殊设计的生成器网络通过提供从 2D 到 3D 的数据维度增加，从而提高了医学成像技术。该方法不需要完整的旋转扫描并可以在低成本的 X 射线机上实现。在公开的胸部 CT 数据集上进行了广泛的实验评估，并获得较好的成果。

    May, 2019

  • SdCT-GAN：使用自主驱动生成对抗网络由双平面 X 射线重建 CT

    本文提出了一种新的自主驱动生成对抗网络模型（SdCT-GAN），通过引入鉴别器中的新型自动编码器结构，以及结合来自 2D X 射线图像的边缘信息的 Sobel 梯度引导器（SGG）思想，能够更好地保留细节并使用 LPIPS 评估度量量化评估重构图像的轮廓和纹理，实验证明了该模型相对于主流最先进基准模型的优势。

    Sep, 2023

  • HandCT: X 射线计算机断层扫描和机器学习的实践数据集

    使用 Blender 和 Python 构建的一个下肢模型的程序化数据集用于训练机器学习算法，该数据集具有真实的特征和无限的改进潜力。

    Apr, 2023

  • 利用胸部 CT 扫描和放射学报告的基础模型进行监督级零样本异常检测

    介绍了 CT-RATE 作为第一个将图像与文本报告配对的 3D 医学图像数据集，以及基于该数据集开发的 CT-CLIP 模型在多异常检测和案例检索方面的优越性，从而提升了医疗人工智能的发展和医疗创新。

    Mar, 2024

  • 增强单层切片分割通过 3D 转 2D 非配对扫描蒸馏

    本研究提出了一种新颖的 3D 到 2D 蒸馏框架，利用预训练的 3D 模型增强 2D 单层切片分割，并在 707 个受试者数据集上进行的实验证明，该方法能够改善单层多器官分割的性能，尤其在低数据量情况下表现出色。

    Jun, 2024

  • 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

  • CTooth+: 大规模牙科锥束计算机体层摄影数据集及对牙体体积分割的基准测试

    本文旨在建立一个 3D 牙科 CBCT 数据集 CTooth+，并通过完全监督、半监督和主动学习等方法，评估多种最先进的牙齿体积分割策略，并定义了性能原则。该实验可作为未来基于人工智能的牙科成像研究和临床应用开发的基线和新基准。

    Aug, 2022