東北大學機器人科學與工程學院成果發表于醫學影像計算頂級學術會議
近日，東北大學機器人科學與工程學院遲劍寧副教授課題組在CT圖像質量增強預測方面取得新進展，研究成果以“Low-dose CT image super-resolution network with dual-guidance feature distillation and dual-path content communication”為題被醫學圖像計算國際頂級學術會議International Conference on Medical Image Computing and Computer Assisted Intervention（MICCAI2023）錄用。我校副教授遲劍寧與其碩士生孫志毅分別為文章第一、第二作者。
MICCAI是由國際醫學圖像計算和計算機輔助干預協會舉辦的綜合性頂級學術會議，目前被公認為是醫學圖像分析領域最具影響力的國際會議，也是人工智能領域最頂級的國際學術會議之一（CCF-B）。
該論文提出了基于分割掩膜與平均CT圖像引導的CT圖像質量增強網絡（圖1），網絡通過迭代引導與特征蒸餾模塊挖掘低劑量CT圖像語義特征，并通過新穎的“去噪-超分辨率”共享頭機制提升了偽影噪聲去除能力與高分辨率圖像重建能力。相較于近年方法，提出方法在參數量、重建效果等方面具有明顯優勢，為下游任務奠定基礎（圖2）。
圖1基于分割掩膜與平均CT圖像引導的低劑量CT圖像質量增強網絡框架
圖2不同方法在3D-IRCADB數據集上對低劑量CT圖像質量增強效果對比
