May, 2024

SR4ZCT：自我监督的透平面 CT 图像任意分辨率和重叠区域增强

PDF
TL;DR我们提出了一种自我监督方法 SR4ZCT，通过模拟匹配原始切片图像的训练图像，准确建模了分辨率和不同切片之间的像素间距的关系，以处理任意分辨率和重叠组合的医学 CT 图像，提高了诊断准确度。
computed tomographyresolution enhancementself-supervised methodoverlapdiagnostic accuracy
发现论文，激发创造
  • 自监督医疗 CT 合成的逐步跨视图相互蒸馏

    本文提出了一种基于自监督学习的医疗切片合成方法，通过不同视角下的学习和交互相互指导，从而实现在不需要中间切片的情况下增加切片间分辨率，经过大量量化和定性实验验证的结果表明，所提方法明显优于同类算法。

    Dec, 2021

  • 磁共振图像的切片间超分辨率：预训练和自监督微调

    提出了一种自监督超分辨率 MR 图像的方法，通过预训练和微调模型，实现高质量的图像重建，可应用于临床医学领域。

    Jun, 2024

  • 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

  • 自监督式脑部 CT 扫描中的异常外检测

    本文提出一种新的自监督学习技术来解决医学影像数据标注不足、数据不平衡等问题，在临床脑 CT 扫描的实验中，该方法取得了很好的效果。

    Nov, 2020

  • I$^3$Net：医学切片综合的切片间内外插值网络

    基于医学成像的高位面和低位面分辨率之间的插值现象，本文提出了一个全面探索高位面分辨率信息并弥补低位面分辨率的 Inter-Intra-slice Interpolation Network（I^3Net），通过在线的跨视图模块利用三个视图的信息，相比其他方法在超分辨率、视频帧插值和切片插值方面实现了明显的改进。

    May, 2024

  • CT 超分辨率 GAN，由相同、残差和循环学习组合限制（GAN-CIRCLE）

    本研究提出一种半监督深度学习方法，利用生成式对抗网络等技术实现从低分辨率 CT 图像到高分辨率 CT 图像的精确恢复，并在三个大规模 CT 数据集上进行了有效的定量和定性评价。

    Aug, 2018

  • 以解剖导向的成像平面的自监督学习方法应用于医学图像数据

    我们提出了两个互补的预训练任务，基于医学图像数据的空间关系，用于深度网络的预训练，结果表明这些预训练任务对目标任务有显著的提升效果，且优于其他最近的方法。

    Mar, 2024

  • 通过视角之间的空间关系进行心脏磁共振成像的自动视角规定

    心脏磁共振成像的自动视图规划系统，利用深度学习网络通过空间关系自动定位目标平面，并使用预测热图实现多视图规划策略，从而实现对标准 CMR 平面的准确推荐。

    Sep, 2023

  • 自监督对比学习中的非配对 MRI 超分辨率

    本研究提出了一种基于自监督对比学习的非配对 MRI 超分辨率方法，利用有限的训练数据提高超分辨率性能，结果显示即使在仅有有限数量的 HR 图像的情况下，峰值信噪比和结构相似性指数都得到了显著提高，强调了该方法在解决有限训练数据挑战上的潜力，以推进临床应用中的高分辨率 MRI。

    Oct, 2023

  • 一种自监督任意尺度各向异性 MRI 超分辨率框架

    该论文提出了一种高效的自监督任意尺度超分辨率方法来重建等体磁共振图像，并在医学脑部图像收集方面具有实际意义。

    May, 2023