跳到主要内容
检索

ZHAW Zurich University of Applied Sciences

2 篇关联报道

订阅更新
  1. arXiv

    MAP-Diff 用临床中间剂量扫描作锚点约束扩散反演轨迹,在全身低剂量 PET 去噪上把 PSNR 从 42.48 dB 提升到 43.71 dB

    该工作提出 MAP-Diff,一个多锚点引导的扩散框架,用于渐进式 3D 全身 PET 去噪:它把临床观测到的中间剂量扫描作为轨迹锚点,用时间步相关监督把反向过程正则化到与剂量形成过程对齐的中间状态,锚点时间步通过模拟扩散损坏与真实多剂量 PET 配对之间的退化匹配来校准,并用时间步加权锚点损失稳定分阶段学习;推理时只需超低剂量输入即可实现渐进、剂量一致的中间恢复;在内部(Siemens Biograph Vision Quadra)与跨扫描仪(United Imaging uEXPLORER)数据集上,相比 3D DDPM,内部数据 PSNR 由 42.48 dB 提升至 43.71 dB(+1.23 dB),SSIM 达 0.986,N

  2. arXiv

    ProSMA-UNet 用 ℓ1 近端稀疏门控替换 U-Net 跳连的稠密注意力,在 2D 与 3D 医学分割基准上取得最优,3D 结肠任务 F1 提升约 19%。

    该工作提出 ProSMA-UNet,把 U 形医学分割网络的跳连重写为“解码器条件化的稀疏特征选择”问题:先用轻量深度可分离空洞卷积构建多尺度编解码兼容场,再用带可学习逐通道阈值的 ℓ1 近端算子(闭式软阈值)产生显式稀疏门,并叠加由全局解码器上下文驱动的通道门控,在 BUSI、GlaS、Kvasir-SEG 三个 2D 基准与 Medical Segmentation Decathlon 的 Spleen、Colon 两个 3D 基准上均报告最优结果,其中 Colon 的 F1 相对最强基线提升约 19%。

已读完全部报道