PulseAugur
中
实时 07:47:04
English(EN) GenDiff: A Dose and Anatomy Aware Diffusion Model with Structural Prior Refinement for Low-Dose CT Reconstruction and Generalization

GenDiff：新型扩散模型增强低剂量CT扫描

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了GenDiff，一个新颖的基于扩散的框架，旨在提高低剂量计算机断层扫描（LDCT）图像的质量。该模型通过联合考虑辐射剂量和解剖信息来解决现有方法的局限性，从而在各种临床环境和剂量水平下实现更好的泛化。GenDiff包含一个剂量-解剖编码器和一个结构先验精炼模块，以在有效减少噪声和伪影的同时保留解剖结构，并在广泛的实验中优于当前最先进的技术。 AI

影响 提高低剂量CT扫描的医学成像质量和泛化能力，可能带来更安全的诊断程序。

排序理由 详细介绍一种用于医学图像重建的新模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

GenDiff：新型扩散模型增强低剂量CT扫描

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Md Imam Ahasan, Guangchao Yang, A F M Abdun Noor, Kah Ong Michael Goh, S. M. Hasan Mahmud, Md Mahfuzur Rahman ·

    GenDiff：一种具有结构先验精炼的剂量和解剖感知扩散模型，用于低剂量CT重建和泛化

    arXiv:2607.11941v1 Announce Type: cross Abstract: Computed tomography (CT) is a critical imaging modality for clinical diagnosis, but reducing radiation dose inevitably introduces severe noise and structured artifacts that degrade image quality. Existing deep learning-based low-d…

相关实体

相关话题