بازسازی ساختارمند تنسورهای ناقص در تصاویر رادیولوژی با تلفیق مدل کمرتبه و راهنمایی مبتنی بر مدل زبانی بزرگ

بازیابی داده های از دست رفته در تصاویر رادیولوژی یکی از چالش های مهم در پردازش تصویر پزشکی است زیرا وجود نواحی ناقص می تواند دقت تحلیل های خودکار و تصمیم گیری های بالینی را کاهش دهد. روش های کلاسیک تکمیل ماتریس و تنسور عمدتا بر پایه کمینه سازی نرم هسته ای و حل مسائل بهینه سازی محدب طراحی شده اند که با وجود پشتوانه نظری قوی، در داده های بزرگ مقیاس پزشکی دارای پیچیدگی محاسباتی بالا هستند. در این پژوهش یک چارچوب ساده و موازی برای تکمیل تنسورهای سه بعدی تصاویر رادیولوژی ارائه می شود که بر ترکیب تقریب کمرتبه عددی و پیش دانش ساختاری مبتنی بر مدل های زبانی بزرگ استوار است. در روش پیشنهادی تنسور تصویر در ابعاد مختلف unfold شده و تقریب کمرتبه به صورت موازی اعمال می شود. سپس، یک مولفه ساختاری استخراج شده از مدل زبانی بزرگ به عنوان راهنمای بازسازی در نواحی ناقص به کار گرفته می شود. نتایج آزمایش های عددی با درصدهای مختلف حذف داده نشان می دهد که روش پیشنهادی نسبت به روش های کلاسیک، عملکرد بهتری از نظر معیارهای PSNR و SSIM ارائه داده و در عین حال از نظر محاسباتی سبک تر است. این رویکرد می تواند به عنوان یک چارچوب کاربردی برای بازسازی تصاویر پزشکی ناقص مورد استفاده قرار گیرد.

کلیدواژه ها:

تکمیل تنسور ، تقریب کمرتبه ، تصاویر رادیولوژی ، پردازش موازی ، مدل های زبانی بزرگ