2026-10-12T05:30:34Z https://www.scidb.cn/oai

10.57760/sciencedb.j00186.00063 2023-03-30T19:49:37Z

2023-03-30 Hformer: Highly-efficient Vision Transformer for Low-Dose CT Denoising doi:10.57760/sciencedb.j00186.00063 en 在本文中，我们提出了Hformer，一种用于低剂量CT（LDCT）去噪的新型监督学习模型。Hformer 结合了用于局部特征提取的卷积神经网络 （CNN） 和用于全局特征捕获的 Transformer 模型的优势。Hformer 的性能基于 AAPM-Mayo Clinic 低剂量 CT 大挑战数据集进行验证和评估。与之前在不同架构下设计的具有代表性的先进（SOTA）模型相比，Hformer 在不需要大量学习参数的情况下实现了最优指标，指标分别为 33.4405 PSNR、8.6956 RMSE 和 0.9163 SSIM。实验表明，Hformer 是一种用于噪声抑制、结构保存和病变检测的 SOTA 模型。 Low-dose CT; Deep learning; Medical Image; Image Denoising; Convolutional Neural Networks; Self-attention; Residual Network; Auto-encoder Cheng-xin Zhao Shi-yu Zhang Hai-bo Yang Hong-kai Wang RESTRICTED dataset http://www.doi.org/https://doi.org/10.1007/s41365-023-01208-0 Science Data Bank