PulseAugur
实时 15:02:13
English(EN) ClinReadNet: A clinical reading-inspired network for low-dose abdominal CT image quality assessment

新 AI 模型模仿放射科医生进行 CT 图像质量评估

研究人员开发了 ClinReadNet,一个新颖的深度学习框架,旨在评估低剂量腹部 CT 图像的质量。该网络通过整合关注局部细节和整体图像上下文的模块,并使用注意力机制识别感兴趣的区域来模仿放射科医生的阅读过程。在 LDCTIQAG2023 数据集上的实验表明,ClinReadNet 在图像质量评估方面取得了最先进的性能。 AI

影响 该模型可以通过确保更高质量的 CT 扫描来提高诊断准确性,从而可能减少重复扫描和辐射暴露的需要。

排序理由 这是一篇详细介绍用于图像质量评估的新深度学习模型的学术论文。

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 →

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Xianye Xiao, Yulong Zou, Yujie Luo, Taihui Yu, Cun-Jing Zheng, Yuan-ming Geng, Shuihua Wang, Yudong Zhang, Jin Hong ·

    ClinReadNet: A clinical reading-inspired network for low-dose abdominal CT image quality assessment

    arXiv:2606.10372v1 Announce Type: new Abstract: In abdominal CT imaging, developing a low-dose, no-reference image quality assessment (No-reference IQA) model that mimics doctors' reading habits for evaluating CT image quality has significant practical value. This paper proposes …