مروری بر روش های مبتنی بر هوش مصنوعی جهت کاهش نوفه[۱] در تصاویر توموگرافی انتشار با دوز پایین ۱. Noise
- سال انتشار: 1404
- محل انتشار: مجله علوم رایانشی، دوره: 10، شماره: 3
- کد COI اختصاصی: JR_CSJI-10-3_007
- زبان مقاله: فارسی
- تعداد مشاهده: 62
نویسندگان
دانشجوی کارشناسی ارشد علوم کامپیوتر، گرایش محاسبات نرم و هوش مصنوعی، دانشگاه شاهد، ایران
دانشیار گروه علوم کامپیوتر، دانشگاه شاهد، ایران
استادیار گروه علوم کامپیوتر، دانشگاه شاهد، ایران
استادیار گروه فیزیک پزشکی، دانشگاه علوم پزشکی ایران
چکیده
توموگرافی انتشار (ET) شامل PET و SPECT، ابزاری کلیدی در تصویربرداری پزشکی است که اطلاعات عملکردی دقیقی از فرآیندهای زیستی بدن را فراهم می کند. کاهش دوز تابش برای حفظ ایمنی بیمار، به افزایش نوفه و افت کیفیت تصویر منجر می شود که تفسیر بالینی را دشوار و دقت تشخیص را کاهش می دهد. مسئله اصلی این مقاله، افت کیفیت تصاویر در شرایط دوز پایین به دلیل نوفه ناشی از فرآیند شمارش فوتون ها و محدودیت تابش است. هدف، بررسی روش های مبتنی بر هوش مصنوعی برای کاهش نوفه و بهبود کیفیت تصاویر در این شرایط است. در این راستا، سه رویکرد نظارت شده، بدون نظارت و چندمدالیته بررسی شده اند. روش های نظارت شده مانند U-Net و GAN نتایج قابل توجهی ارائه کرده اند، و رویکردهای بدون نظارت و چندمدالیته نیز به ویژه در مواجهه با کمبود داده، عملکرد موثری داشته اند. این بررسی نشان می دهد که الگوریتم های هوش مصنوعی، با وجود چالش هایی نظیر نوفه بالا و نبود داده های مرجع، قابلیت بالایی در بهبود کیفیت تصاویرپزشکی با دوز پایین دارند.کلیدواژه ها
هوش مصنوعی, کاهش نوفه, توموگرافی انتشار با دوز پایین, بهبود کیفیت تصویر, یادگیری نظارت شدهاطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.