PulseAugur
中
实时 10:34:57
English(EN) Unsupervised Metal Artifact Reduction in Dental CBCT using Fine-tuned Cycle-Consistent Adversarial Networks

AI 框架减少 CBCT 扫描中的牙科植入物伪影

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个无监督深度学习框架，使用精调的循环一致对抗网络 (CycleGAN) 来减少牙科锥束计算机断层扫描 (CBCT) 中的金属伪影。该方法利用了大约 4,000 张图像的非配对数据集，克服了监督方法的局限性，在 BRISQUE、FID 和 SSIM 等图像质量指标上取得了显著的改进。该框架展示了实时推理速度，并得到了专家的验证，尽管建议将其作为高保真牙科植入物成像的临床决策支持工具。 AI

影响 提高牙科成像的诊断清晰度，可能改善治疗计划和患者预后。

排序理由 学术论文，详细介绍了用于医学图像处理的新型深度学习方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

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

AI 框架减少 CBCT 扫描中的牙科植入物伪影

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · G. L. T. Chamika, S. N. A. Dhanapala, P. H. S. V. Nimalaweera, Maheshi B. Dissanayake, Ruwan D. Jayasinghe ·

    使用精调的循环一致对抗网络在牙科CBCT中进行无监督金属伪影去除

    arXiv:2607.20977v1 Announce Type: new Abstract: Metal artifacts generated by dental implants significantly degrade cone-beam computed tomography (CBCT) volumes, obscuring critical anatomical structures and compromising diagnostic precision. To address this, an unsupervised deep l…

相关实体

相关话题