![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
医学图像处理
文章平均质量分 76
请站在我身后
这个作者很懒,什么都没留下…
展开
-
读论文《Unsupervised Polychromatic Neural Representation for CT Metal Artifact Reduction》
论文提出了一种新颖的多色神经表示方法(Polyner),用于解决人体内部金属植入物引起的CT成像中的金属伪影问题。CT金属伪影源于金属对X射线光谱不同能量层的衰减系数的剧烈变化,导致CT测量中的非线性金属效应。传统的基于经验模型的金属伪影减少(MAR)方法会导致信号损失和重构混叠。Polyner从非线性逆问题的角度对MAR问题进行建模,首先推导出一个多色前向模型来准确模拟非线性CT采集过程,然后将其整合到隐式神经表示中以完成重建,并采用正则化项来保持CT图像在不同能量层的物理属性,同时有效约束解空间。原创 2024-07-12 17:14:04 · 1425 阅读 · 0 评论 -
《Unpaired Unsupervised CT Metal ArtifactReduction》代码讲解
论文讲解见上篇博客这篇论文的标题是《Unpaired Unsupervised CT Metal Artifact Reduction》,作者是Bo-Yuan Chen和Chu-Song Chen。这篇论文主要研究了如何使用深度学习技术来减少医学成像中由于金属植入物引起的CT图像伪影。项目给出了几个不同的unet网络的实验,以pytorch_Net.py举例。原创 2024-07-10 14:43:31 · 364 阅读 · 0 评论 -
读论文《Unpaired Unsupervised CT Metal ArtifactReduction》
论文题目:非配对无监督CT金属伪影还原重点应该就是怎么实现无监督吧先看论文,再看代码。原创 2024-07-10 14:22:51 · 1033 阅读 · 0 评论 -
DIF-Gaussian 代码讲解
这篇论文的标题是《Learning 3D Gaussians for Extremely Sparse-View Cone-Beam CT Reconstruction》,作者是Yiqun Lin, Hualiang Wang, Jixiang Chen和Xiaomeng Li,来自香港科技大学以及HKUST深圳-香港协同创新研究院。这篇论文主要探讨了一种新的锥束计算机断层扫描(CBCT)重建框架,称为DIF-Gaussian,旨在通过使用更少的投影来减少辐射剂量,同时提高重建图像的质量。原创 2024-07-09 14:57:15 · 766 阅读 · 0 评论 -
读论文《Learning 3D Gaussians for ExtremelySparse-View Cone-Beam CT Reconstruction》MICCAI 2024.
锥束计算机断层扫描(CBCT)是医学成像中不可或缺的技术,但其相关的辐射暴露在临床实践中引起关注。为了降低这些风险,稀疏视图重建已成为重要的研究方向。尽管已经引入了隐式神经表示进行稀疏视图CBCT重建,现有方法主要关注从稀疏投影中查询局部2D特征,这对于处理更复杂的解剖结构(如胸部)是不够的。为此,作者提出了一种新的重建框架DIF-Gaussian,利用3D高斯来表示3D空间中的特征分布,提供额外的3D空间信息以便于估计衰减系数。原创 2024-07-09 14:10:39 · 558 阅读 · 0 评论 -
OSCNET+ 代码复现
项目github 已有,开个博客大家如果复现有问题可以随时在下面留言。当然自己用肯定是自己写dataload,我就不放自己的代码了。1、从github 下载项目并解压。4、想直接测试也有提供权重。原创 2024-07-08 16:16:32 · 234 阅读 · 0 评论 -
读论文《OSCNet: Orientation-Shared ConvolutionalNetwork for CT Metal Artifact Learning》
背景部分简单的略过与我们的会议作品OSCNet[22]相比,本文在以下方面做了实质性的改进:1)在[22]中,工件的卷积表示是从整个训练数据集中学习的,并且是样本不变的。相比之下,在本文中,我们进一步设计了一种新的网络结构,称为OSCNet+,它可以动态地实现不同输入金属影响CT图像的卷积表示。因此,本文提出的OSCNet+具有更大的工件提取灵活性和更好的泛化性能;2)重新制定模型推导,统一两个框架,包括OSCNet和OSCNet+。这样可以让读者更好地理解我们的研究见解;原创 2024-07-08 16:12:02 · 853 阅读 · 0 评论 -
读论文《Adaptive Convolutional Dictionary Network for CT Metal Artifact Reduction》IJCAI2022
受深度神经网络巨大成功的启发,基于学习的方法在计算机断层扫描(CT)图像的金属伪影还原(MAR)方面取得了很好的效果。然而,大多数现有方法都不太强调建模和将特定MAR任务的内在先验知识嵌入到其网络设计中。针对这个问题,我们提出了一种自适应卷积字典网络(ACDNet),它利用了基于模型和基于学习的方法。具体来说,我们探索了金属伪影的先验结构,例如,非局部重复条纹图案,并将其编码为显式加权卷积字典模型。然后,精心设计了一种简单有效的算法来求解该模型。通过将所提出算法的每个迭代子步骤展开为网络模块,我们显式地。原创 2024-07-03 16:44:35 · 738 阅读 · 0 评论 -
一种模拟运动伪影的方法代码
我转到了python 方法,方便使用原创 2024-07-01 14:27:01 · 212 阅读 · 2 评论 -
一种模拟金属伪影的方法代码
2、对每一个slice进行归一化,加金属伪影,反归一化。x1,y1,为伪影位置,r1为伪影半径。1、读取图片,我这里是dcm。原创 2024-07-01 13:55:43 · 224 阅读 · 0 评论 -
《Rigid and Non-rigid Motion Artifacts Reduction in X-ray CT using Attention Module》代码 复现与简单讲解
论文请参考上篇博客任务:CBCT 运动伪影去除。原创 2024-06-27 11:01:19 · 364 阅读 · 0 评论 -
读论文《Rigid and non-rigid motion artifact reduction in X-ray CT using attention module》
论文题目:利用注意模块减少x射线CT的刚性和非刚性运动伪影CT 运动伪影去除摘要:运动伪影是影响计算机断层扫描(CT)图像诊断性能的主要因素。特别是,当成像系统需要较长的扫描时间时,例如牙科CT或锥束CT (CBCT)应用中,患者会产生刚性和非刚性运动,运动伪影变得相当严重。为了解决这个问题,我们提出了一种新的实时运动伪影减少技术,该技术利用带有注意力模块的深度残差网络。我们的注意力模块是根据残差特征的重要性,通过放大或衰减残差特征来增加模型容量的。原创 2024-06-26 17:03:13 · 745 阅读 · 0 评论 -
读论文《A GRADIENT-BASED APPROACH TO FAST AND ACCURATE HEAD MOTION COMPENSATION IN CONE-BEAM CT》
题目:基于梯度的锥束ct头部运动快速精确补偿方法目的:CBCT运动伪影去除摘要:锥形束计算机断层扫描(CBCT)系统,由于其便携性,提供了一个有前途的直接点护理医学成像的途径,特别是在危急情况下,如急性中风评估。然而,将CBCT整合到临床工作流程中面临着挑战,主要与扫描时间长导致患者在扫描过程中运动和导致重建体积中的图像质量下降有关。本文介绍了一种基于梯度优化算法的CBCT运动估计新方法,该算法利用锥束CT几何形状的反投影算子的广义导数。原创 2024-06-24 14:08:03 · 498 阅读 · 0 评论 -
读论文“MARformer”——牙齿CBCT金属伪影去除
锥形束计算机断层扫描(CBCT)在牙科诊断和外科手术中发挥着关键作用。然而,金属牙种植体在CBCT成像过程中会带来烦人的金属伪影,干扰诊断和牙齿分割等下游处理。在本文中,我们开发了一种有效的变压器,用于从牙科CBCT图像中执行金属伪影还原(MAR)。基于CBCT图像具有全局相似性的特点,提出了一种新的降维自注意(DRSA)模块,降低了多头自注意的计算复杂度。提出了一种基于斑块感知前馈网络(P2FFN)的局部图像信息感知方法。实验结果表明,该方法具有较好的有效性,优于现有的修复方法和两种修复变压器。原创 2024-06-17 17:40:18 · 687 阅读 · 0 评论 -
ietk-ret 视网膜眼底图像增强工具包
该工具包可用于任务或者数据集增强视网膜眼底图像原创 2024-06-12 13:51:24 · 311 阅读 · 1 评论 -
医学图像分割结果 渲染展示和 DICOM SEG保存
看缺少渲染展示的简单方法以及 没有找到DICOM SEG保存的民间教程,自己写一个,仅供参考原创 2024-06-11 12:01:25 · 307 阅读 · 0 评论 -
SynthRAD2023 CBCT冠军论文 代码复现
1、仅学习使用,有侵权行为请务必联系我,SynthRAD2023任务2 冠军代码初略复现原创 2024-06-11 11:28:05 · 480 阅读 · 1 评论