arXiv · Image and Video Processing· Hao Liu, Fuyi Li, Dong Liu, Yue Mei, Sheng Mao·· 1 天前
EL-DIP：用于准确、高效且抗噪弹性成像的深度图像先验框架
EL-DIP: A Deep Image Prior Framework for Accurate,Efficient, and Noise-Robust Elastography
AI 导读
EL-DIP无需训练数据即可重建剪切模量分布，极端噪声下图像保真度较传统方法提升约97.1%。
摘要 · AI 翻译
arXiv:2610.33091v1 公告类型：新摘要：弹性成像是一种关键的无创成像技术，但它仍然严重病态且对测量噪声敏感，导致模糊和伪影。我们提出 EL-DIP，一个基于深度图像先验（DIP）的无需训练数据框架，用于重建异质剪切模量分布。反距离加权插值支持任意形状的域，伴随灵敏度分析提供高效的梯度计算。数值和实验研究表明，EL-DIP 在不同噪声水平下都能准确恢复包涵体几何形状和模量。在极端噪声下，图像保真度比传统方法提高约 97.1%。我们相信，该方法作为生物医学诊断、生物力学表征和无损评估的稳健工具具有巨大潜力。
中文由 AI 翻译，仅供参考，以原文为准。
来源：arXiv · Image and Video Processing · arxiv.org