.png){kind=icon}
返回
Enhancing Microscopic Image Quality With DiffusionFormer and Crow Search Optimization
.png){kind=icon}
PRE
AI
DOI：10.1002/jemt.70072.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
医学影像在诊断中发挥着关键作用，但患者扫描中的噪声严重影响影像的准确性和质量。去噪方法对于提高这些影像的清晰度至关重要，特别是在当前诊断方法难以获取的资源匮乏环境中。肺炎是一种广泛传播的疾病，由于各种类型的相似性高以及新兴变异缺乏医学影像，给诊断带来了显著挑战。本研究提出了一种基于Swin Transformer的扩散优化麻雀搜索算法，以提升影像的质量和可靠性。该技术利用了四个数据集，包括脑肿瘤MRI数据集、胸部X光影像、胸部CT扫描影像和BUSI数据集。预处理步骤包括转换为灰度、调整大小和归一化，以改善医学影像（MI）数据集中的影像质量。进一步引入高斯噪声以增强影像质量。该方法结合了扩散过程、Swin Transformer网络和优化麻雀搜索算法，以提高医学影像的去噪效果。扩散过程通过迭代优化影像来减少噪声，而Swin Transformer捕捉复杂的影像特征，有助于区分噪声和关键诊断信息。麻雀搜索优化算法微调超参数，最小化适应度函数以实现最佳去噪性能。该方法在四个数据集上进行测试，表明其相对于其他技术的最优有效性。所提出的方法实现了38.47 dB的峰值信噪比、98.14%的结构相似性指数、0.55的均方误差和0.980的特征相似性指数，优于现有技术。这些结果表明，所提出的方法有效提升了影像质量，从而实现精确可靠的诊断。
Keyword:
crow search optimization
Denoising
diffusion former
diffusion process
medical image
Swin transformer networks
期刊
M
IF:
2.1
论文数:
86
被引数:
7.2K
机构
引用论文
FDiff-Fusion: Denoising diffusion fusion network based on fuzzy learning for 3D medical image segmentation.png)
INFORMATION FUSION
INFORMATION FUSIONIF15.5
PREAI
分享收藏The role of noise in denoising models for anomaly detection in medical images噪声在医学图像异常检测去噪模型中的作用MEDICAL IMAGE ANALYSIS
OAAI
MEDICAL IMAGE ANALYSISIF11.8
OAAI分享收藏分享收藏2D medical image synthesis using transformer-based denoising diffusion probabilistic model基于transformer去噪扩散概率模型的二维医学图像合成
OAAI
OAAI分享收藏
查看更多内容