.png){kind=icon}
返回
No Reproducibility, No Progress: Rethinking CT Benchmarking
.png){kind=icon}
OA
AI
DOI：10.3390/jimaging11100344.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
可重复性是科学进步的基石，然而在X射线计算机断层扫描（CT）重建中，它仍然是一个关键且尚未解决的挑战。当前CT领域的基准测试实践受到公开可用数据集稀缺、现有资源的不完整或任务特定性质以及常用方法和评估指标缺乏透明实现等因素的阻碍。因此，即使是可重复性的基本属性也经常被违反，这削弱了客观比较并延缓了方法论进展。在这项工作中，我们分析了当前CT基准测试的系统局限性，并将其与科学领域更广泛的可重复性问题进行类比。我们提出了一种扩展的数据模型以及数据准备和质量评估的规范化方案，旨在提高可重复性并拓宽CT数据集在多个任务中的适用性。基于这些方案，我们引入了数据集构建和质量评估的检查清单，为可靠且可重复的基准测试流程奠定了基础。我们建议的一个关键方面是整合虚拟CT（vCT），它提供高度逼真的数据和分析上可计算的人体模型，尽管其潜力有助于克服许多现有障碍，但仍然未被充分利用。我们的工作代表了面向CT可重复基准测试方法论框架的第一步。该框架旨在实现重建方法透明、严格且可比的评估，最终支持其在临床和工业应用中的可靠采用。
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
J
IF:
3.3
论文数:
1.1K
被引数:
4.4K
机构
引用论文
分享收藏Kiss, M.B.; Biguri, A.; Schönlieb, C.B.; Batenburg, K.J.; Lucka, F. Learned denoising with simulated and experimental low-dose CT data. arXiv 2024, arXiv:2408.08115. [Google Scholar] [CrossRef]Kiss, M.B.; Biguri, A.; Schönlieb, C.B.; Batenburg, K.J.; Lucka, F. 利用模拟和实验低剂量CT数据进行学习去噪。arXiv 2024, arXiv:2408.08115. [Google Scholar] [CrossRef].png)
IF0
PREAI
分享收藏Metrics reloaded: recommendations for image analysis validation重新加载的度量: 图像分析验证建议NATURE METHODS
OAAI
NATURE METHODSIF32.1
OAAI分享收藏Adaptive automated sinogram normalization for ring artifacts suppression in CTOPTICS EXPRESSOAAI
OPTICS EXPRESSIF3.3
OAAI分享收藏CAD-ASTRA: a versatile and efficient mesh projector for X-ray tomography with the ASTRA-toolboxOPTICS EXPRESSOAAI
OPTICS EXPRESSIF3.3
OAAI分享收藏Desai, A.; Abdelhamid, M.; Padalkar, N.R. What is reproducibility in artificial intelligence and machine learning research? AI Mag. 2025, 46, e70004. [Google Scholar] [CrossRef]Desai, A.; Abdelhamid, M.; Padalkar, N.R. 人工智能和机器学习研究中什么是可重复性？AI Mag. 2025, 46, e70004. [Google Scholar] [CrossRef]
IF0
PREAI
分享收藏
查看更多内容