Mar, 2024

WIA-LD2ND：基于小波的自监督低剂量 CT 图像对齐去噪

PDF
TL;DR提出了一种仅使用 NDCT 数据的自我监督 CT 图像去噪方法 WIA-LD2ND，通过采用波尔兹曼图像对齐和频域感知多尺度损失来解决低剂量计算机断层扫描（LDCT）图像去噪问题。在两个公开的 LDCT 去噪数据集上的广泛实验表明，WIA-LD2ND 优于现有的几种最先进的弱监督和自监督方法。
low-dose computed tomographyldctdenoisingwia-ld2ndself-supervised method
发现论文，激发创造
  • 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

  • 低剂量 CT 噪声降低与语言双空间对齐

    提出了一种基于大型语言模型的方案以减轻常见的 CT 图像低剂量去噪方法中的模糊、模糊和可解释性问题。该方案包括两个步骤：首先是对 CT 图像进行编码并将其量化为语义标记，然后通过最小化高级特征和量化标记之间的差异来优化去噪模型。实验证明该方案在定量指标和定性评估方面都能提高现有的去噪模型，并且通过语言级别的图像理解提供解释性。

    Mar, 2024

  • 基于模块化网络的利用受损图像的自监督噪声去除方法用于低剂量 CT 图像去噪

    这篇论文提出了一种新的方法，用于仅利用低剂量 CT（LDCT）数据进行 LDCT 图像去噪，而无需正常剂量 CT（NDCT）。通过将第二类型噪声添加到 LDCT 图像中，使用自监督的 noise2noise 模型和噪声即洁净策略进行训练，从而实现了提高接收场的模块化 U-Net 结构的选择。通过与最先进的深度学习方法相比，实验结果表明了所提方法的有效性。

    Aug, 2023

  • 低剂量计算机断层扫描重建的旋转增益噪声 2 反问题

    本研究提出一种新颖的自监督方法，用于低剂量计算机断层扫描（LDCT）重构，结果表明该方法在降低剂量的情况下能够在 CT 图像质量方面取得更好的效果。

    Dec, 2023

  • 使用定向小波的深度卷积神经网络进行低剂量 X 射线 CT 重建

    为了应对 X-ray CT 低剂量扫描中复杂噪声的问题，提出了一种基于方向小波变换和深度卷积网络的去噪算法，实验结果证实该算法能够有效去除噪声并在 CT 重建中取得良好效果。

    Oct, 2016

  • 面向结构的多尺度深度神经网络用于低剂量 CT 去噪

    本文提出了一种新的低剂量 CT 图像质量改善方法 —— 结构敏感多尺度生成对抗网络（SMGAN），通过加入三维体积信息和采用不同损失函数来训练去噪模型，能够有效保留正常剂量 CT 图像的结构和纹理信息，同时显著抑制噪声和伪影，且优于其他已有方法。

    May, 2018

  • 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

  • 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

  • 低剂量 X 射线 CT 重建的小波域残差网络 (WavResNet)

    本研究提出了一种基于方向小波域下的直接残差学习方法，用于向低剂量 X 射线 CT 图像中恢复细节纹理，并在实验证明该方法相较于之前的工作具有显著的性能改进。

    Mar, 2017

  • 基于小波扩散模型的低光照图像增强

    我们提出了一种名为 DiffLL 的稳健和高效的基于扩散模型的低光图像增强方法，它利用波浪变换加速推理并降低计算资源使用但不损失信息，并通过前向扩散和反向去噪实现稳定去噪和减少随机性。我们还设计了高频率恢复模块，利用图像的垂直和水平细节来补充对角信息以实现更好的细粒度恢复。大量实验证明，我们的方法在定量和视觉上均优于现有的最先进方法，并且与以前的扩散方法相比，在效率上获得了显着的提高。此外，我们还经验性地证明了方法在低光人脸检测方面的潜在实际价值。

    Jun, 2023