近日,東北大學(xué)機(jī)器人科學(xué)與工程學(xué)院遲劍寧副教授課題組在CT圖像質(zhì)量增強(qiáng)預(yù)測方面取得新進(jìn)展,研究成果以“Low-dose CT image super-resolution network with dual-guidance feature distillation and dual-path content communication”為題被醫(yī)學(xué)圖像計算國際頂級學(xué)術(shù)會議International Conference on Medical Image Computing and Computer Assisted Intervention(MICCAI2023)錄用。我校副教授遲劍寧與其碩士生孫志毅分別為文章第一、第二作者。
MICCAI是由國際醫(yī)學(xué)圖像計算和計算機(jī)輔助干預(yù)協(xié)會舉辦的綜合性頂級學(xué)術(shù)會議,目前被公認(rèn)為是醫(yī)學(xué)圖像分析領(lǐng)域最具影響力的國際會議,也是人工智能領(lǐng)域最頂級的國際學(xué)術(shù)會議之一(CCF-B)。
該論文提出了基于分割掩膜與平均CT圖像引導(dǎo)的CT圖像質(zhì)量增強(qiáng)網(wǎng)絡(luò)(圖1),網(wǎng)絡(luò)通過迭代引導(dǎo)與特征蒸餾模塊挖掘低劑量CT圖像語義特征,并通過新穎的“去噪-超分辨率”共享頭機(jī)制提升了偽影噪聲去除能力與高分辨率圖像重建能力。相較于近年方法,提出方法在參數(shù)量、重建效果等方面具有明顯優(yōu)勢,為下游任務(wù)奠定基礎(chǔ)(圖2)。
圖1基于分割掩膜與平均CT圖像引導(dǎo)的低劑量CT圖像質(zhì)量增強(qiáng)網(wǎng)絡(luò)框架
圖2不同方法在3D-IRCADB數(shù)據(jù)集上對低劑量CT圖像質(zhì)量增強(qiáng)效果對比