Resumen

La tomografía computarizada (TC) de baja dosis ha demostrado su eficacia para reducir el riesgo de radiación para los pacientes, pero el ruido y los artefactos de barra resultantes en las imágenes de TC pueden ser una perturbación para el diagnóstico médico. La dificultad de modelar las características estadísticas en el dominio de la imagen hace imposible que los métodos existentes que procesan directamente las imágenes reconstruidas mantengan la estructura detallada de la textura de las imágenes a la vez que reducen el ruido, lo que explica el fracaso en las imágenes de diagnóstico de TC en la aplicación práctica. Para superar este defecto, este artículo propone un método de eliminación de ruido en imágenes de TC basado en una red codificadora-decodificadora residual mejorada. En primer lugar, en nuestro enfoque, la noción de recursión se integra en la red codificadora-decodificadora residual original para reducir la complejidad del algoritmo y aumentar la eficiencia en la eliminación de ruido de las imágenes. Las imágenes originales de TC y la salida del gráfico de resultados posterior a la recursión se utilizan como entrada para la siguiente recursión simultáneamente, y la red codificador-decodificador superficial se recicla. En segundo lugar, se introducen la función de pérdida de error cuadrático medio y la función de pérdida perceptual para garantizar la textura de las imágenes de TC denonizadas. Sobre esta base, se optimiza la tecnología de procesamiento de tejidos basada en la segmentación por clústeres, teniendo en cuenta que las imágenes tras un entrenamiento mejorado de RED-CNN seguirán presentando ciertos artefactos. Por último, los resultados experimentales del conjunto de datos clínicos TCGA-COAD muestran que, en las mismas condiciones experimentales, nuestro método supera a WGAN en PSNR y SSIM promedio postdenoización de imágenes de TC. Además, con una menor complejidad del algoritmo y un tiempo de ejecución más corto, nuestro método supone una mejora significativa respecto a RED-CNN y es aplicable a escenarios reales.

• Materias:Insuficiencia cardíaca Plataforma de servicios Filtro de orden óptimo Características clínicas Osteoporosis
• Subjects:Heart failure Platform services Optimal order filtering Clinical features Osteoporosis
• Palabras claves:red decodificadora, imágenes, método, imágenes de TC, salida gráfica del resultado de la posrecursión, función de pérdida de error cuadrado, conjunto de datos clínicos, imágenes de TC desdenotizadas, estructura detallada de la textura, codificador residual mejorado
• Keywords:decoder network, images, method, CT images, postrecursion result graph output, square error loss function, clinical data set, denoised CT images, detailed texture structure, improved residual encoder