基於總變異先驗的迭代斷層重建技術應用於低劑量錐束電腦斷層掃描牙科影像
與傳統的FDK演算法相比，基於總變異正則化的迭代重建演算法，如SIRT-TV、MLEM-TV和KL-TV，在低劑量錐束電腦斷層掃描牙科影像重建中，能有效降低雜訊和金屬偽影，並保留更多影像細節，提升影像品質。
저선량 CBCT 치과 영상을 위한 TV 사전 정보를 사용한 반복적 단층 촬영 재구성
본 논문에서는 저선량 CBCT 치과 영상에서 발생하는 노이즈 및 아티팩트를 줄이기 위해 TV 사전 정보를 사용한 반복적 단층 촬영 재구성 알고리즘을 비교 분석하고, 실제 치과용 CBCT 데이터에 적용하여 그 효과를 검증합니다.
Comparison of Iterative Tomographic Reconstruction Algorithms with Total Variation Regularization for Low-Dose Dental CBCT Imaging
Regularized iterative reconstruction methods, particularly MLEM-TV and KL-TV, outperform standard FDK reconstruction in low-dose dental CBCT, offering improved image quality and reduced artifacts without significant computational overhead.
2023 年 MICCAI-CDMRI QuantConn 挑戰賽發現：透過協調擴散磁振造影預處理實現穩健的定量連接性
這篇研究論文探討了如何透過協調不同擴散磁振造影（DW-MRI）數據集的預處理流程，來提高定量連接性分析的穩健性和可重複性。
조화로운 확산 MRI 전처리를 통한 강력한 정량적 연결성 확보에 대한 MICCAI-CDMRI 2023 QuantConn 챌린지 결과: 다중 사이트 연구에서 발생하는 불일치를 해결하기 위한 다양한 방법론 비교 분석
확산 MRI 데이터의 정량적 분석에서 발생하는 불일치를 최소화하기 위해서는 다양한 데이터 수집 프로토콜에서 발생하는 변이를 줄이는 조화로운 전처리 과정이 필수적이며, 이 챌린지에서는 다양한 하모나이제이션 기법의 성능을 평가하고, 특히 머신러닝 기반 접근 방식의 효과를 강조합니다.
拡散MRIの調和処理による堅牢な定量的接続性の実現に関するMICCAI-CDMRI 2023 QuantConnチャレンジの知見：様々な取得プロトコルによるばらつきを最小限に抑えながら、生物学的差異を維持する手法の評価
拡散MRIデータの取得プロトコルによるばらつきを調和処理によって最小限に抑えることで、より堅牢な脳の白質の微細構造や接続性を定量的に分析できるようになる。
Findings of the MICCAI-CDMRI 2023 QuantConn Challenge: Evaluating Harmonization Techniques for Robust Quantitative Connectivity in Diffusion MRI Across Different Acquisition Protocols
Harmonizing preprocessing of diffusion MRI data from different acquisition protocols is crucial for obtaining reliable quantitative connectivity measures, and machine learning-based approaches show promise in achieving this.
基於生成對抗網路架構的低劑量電腦斷層掃描影像去噪技術綜論
生成對抗網路 (GANs) 在低劑量電腦斷層掃描 (LDCT) 影像去噪領域展現巨大潛力，能有效降低輻射劑量並同時提升影像品質，為精準醫療發展帶來突破性進展。
저선량 컴퓨터 단층 촬영 영상 노이즈 제거를 위한 GAN 기반 아키텍처 리뷰 및 분석
GAN 기반 아키텍처는 저선량 CT 영상 노이즈 제거에 뛰어난 성능을 보여주지만, 임상 적용을 위해서는 몇 가지 과제를 해결해야 합니다.
低線量CT画像のノイズ除去のためのGANベースアーキテクチャのレビュー
GANベースのアーキテクチャは、低線量CT画像のノイズ除去において大きな可能性を秘めており、画質を向上させ、患者のリスクを軽減しますが、臨床現場への普及には、技術的課題や倫理的な考慮事項など、まだいくつかの課題が残っています。
© 2024 by Linnk AI