实体
LDCT in COVID-19 Pneumonia: a Prospective Moscow Study
LDCT in COVID-19 Pneumonia: a Prospective Moscow Study
PulseAugur coverage of LDCT in COVID-19 Pneumonia: a Prospective Moscow Study — every cluster mentioning LDCT in COVID-19 Pneumonia: a Prospective Moscow Study across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
Noise2Match：揭示自监督CT去噪方法
研究人员开发了Noise2Match，一种用于低剂量计算机断层扫描（CT）图像去噪的新型自监督方法。与以往在处理相关噪声或层间错位方面存在困难的方法不同，Noise2Match采用自适应层间匹配网络来应对这些挑战。该方法理论上可实现监督训练的等效性，并在低剂量锥束CT（CBCT）去噪方面显示出潜力，优于现有的自监督技术。
-
新的DeVAR框架使用视觉自回归模型进行CT去噪
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。