MeanFlow Condizionale Adattivo per Regione per la Ricostruzione di Immagini TC
Un nuovo metodo di ricostruzione di immagini TC chiamato RA-CMF (Region-Adaptive Conditional MeanFlow) è stato sviluppato per affrontare le variazioni di rumore, contrasto e texture causate da diversi protocolli di imaging e modelli di scanner. L'approccio introduce una rete MeanFlow condizionale che predice campi di flusso condizionati dall'immagine a partire da stati intermedi dell'immagine, addestrata con una perdita di consistenza MeanFlow e una perdita di ricostruzione dell'immagine. Una rete di policy guidata da apprendimento per rinforzo regionale fornisce un raffinamento adattivo basato sulla posizione spaziale dei miglioramenti. Il metodo mira a migliorare l'imaging TC per lo screening, la diagnosi, la pianificazione terapeutica e la prognosi del cancro al polmone.
Fatti principali
- RA-CMF sta per Region-Adaptive Conditional MeanFlow.
- Il metodo affronta le differenze nelle statistiche di rumore, contrasto e texture nelle immagini TC.
- Utilizza una rete MeanFlow condizionale per modellare le traiettorie di miglioramento.
- La rete è addestrata con una perdita di consistenza MeanFlow e una perdita di ricostruzione dell'immagine.
- Una rete di policy guidata da apprendimento per rinforzo regionale fornisce un raffinamento adattivo.
- La rete di policy riceve informazioni sui rollout MeanFlow.
- L'imaging TC è importante per lo screening, la diagnosi, la pianificazione terapeutica e la prognosi del cancro al polmone.
- La ricerca è pubblicata su arXiv con ID 2605.00901.
Entità
Istituzioni
- arXiv