研究人员推出了一种新颖的生成式框架DeVAR，用于低剂量CT（LDCT）去噪，该框架利用视觉自回归模型。该方法将正常剂量CT（NDCT）图像的生成条件化为全局上下文令牌，并逐步预测离散令牌图。为了增强细节保留，DeVAR包含了一个残差精炼器来捕捉细微的解剖结构，以及一个双表示混合训练策略，用于无缝集成连续和离散的潜在表示。在公共数据集上的实验表明，DeVAR在定性和定量评估中均优于现有的最先进的LDCT去噪方法。 AI
影响 这项研究通过减少辐射暴露，使CT扫描更清晰，从而可能提高医学影像的诊断准确性。
排序理由 该集群描述了一篇关于一种新的医学图像去噪方法的最新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
