苏州医工所在低剂量CT智能成像方向取得进展

文章预览

在医疗影像领域，低剂量计算机断层扫描（LDCT）因其辐射剂量低而被广泛应用。然而，LDCT所带来的噪声问题严重影响了图像质量，从而影响了诊断的准确性。全监督降噪方法在成像表现上更为优越，但在真实临床环境中，获取成对数据以进行训练的难度较大，仅依赖合成数据进行训练可能会导致域适应问题。自监督或不配对降噪方法能够直接利用真实临床采集的数据进行网络训练，但这需要对LDCT数据中的噪声分布做出理论假设，而这种假设与真实临床噪声分布的不匹配可能导致网络训练的不稳定，进而影响降噪效果。因此，如何结合这两种方法的优势，解决域适应带来的降噪问题，已成为当前研究的热点。 近日，苏州医工所郑健研究员团队提出了一种基于迭代知识迁移和风格泛化学习的域自适应网络架构（DANRF），如图1所示。具体而言，科研人 ………………………………