low-dose computed tomography | BriefGPT

关键词low-dose computed tomography

搜索结果 - 8

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
PDFa month ago
WiTUnet：一种融合 CNN 和 Transformer 的 U 形架构，用于改善特征对齐和本地信息融合
本文介绍了一种名为 WiTUnet 的新型 LDCT 图像去噪方法，该方法利用嵌套的密集跳跃路径代替传统的跳跃连接来改进特征整合，同时在编码器和解码器中增加了局部图像感知增强 (LiPe) 模块以提高局部特征捕获和表示能力；通过广泛的实验比
PDF3 months ago
WIA-LD2ND：基于小波的自监督低剂量 CT 图像对齐去噪
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-
PDF4 months ago
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
PDF4 months ago
LoMAE：低剂量 CT 去噪的低层次视觉遮蔽自编码器
通过引入一种名为 LoMAE 的低水平视觉 MAE 模型，本研究展示了一种提高 transformer 去噪性能的方法，极大地减少了对干净数据的依赖，并在不同噪声水平下展现了显著的鲁棒性和普适性。
PDF9 months ago
肺腺癌亚型识别的放射组学和深度特征自适应融合
该研究提出了一种多头注意力特征融合（MHA-FF）模型，旨在区分早期浸润性肺腺癌（Pre-IAs）和浸润性肺腺癌（IAs）并区分不同的 IAs 亚型。通过提取计算机断层扫描图像的辐射组学和深度特征，并通过自适应融合模块汇总这些特征，我们成功
PDF10 months ago
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
PDFa year ago
MM卷积神经网络在肺部结节分类中输入大小的影响
使用卷积神经网络分析低剂量 CT 肺癌筛查图像以减少错误结果，并在 LUNA16 挑战数据集上表现出 82.1% 的敏感性。
PDF3 years ago