CDDnet: Cross-domain denoising network for low-dose CT image via local and global information alignment

计算机科学 领域(数学分析) 人工智能 相似性(几何) 模式识别(心理学) 自编码 图像(数学) 降噪 深度学习 任务(项目管理) 数据挖掘 数学 数学分析 管理 经济
作者
Jiaxin Huang,Kecheng Chen,Yazhou Ren,Jiayu Sun,Li Wang,Tao Tao,Xiaorong Pu
出处
期刊:Computers in Biology and Medicine [Elsevier BV]
卷期号:163: 107219-107219 被引量:5
标识
DOI:10.1016/j.compbiomed.2023.107219
摘要

The domain shift problem has emerged as a challenge in cross-domain low-dose CT (LDCT) image denoising task, where the acquisition of a sufficient number of medical images from multiple sources may be constrained by privacy concerns. In this study, we propose a novel cross-domain denoising network (CDDnet) that incorporates both local and global information of CT images. To address the local component, a local information alignment module has been proposed to regularize the similarity between extracted target and source features from selected patches. To align the general information of the semantic structure from a global perspective, an autoencoder is adopted to learn the latent correlation between the source label and the estimated target label generated by the pre-trained denoiser. Experimental results demonstrate that our proposed CDDnet effectively alleviates the domain shift problem, outperforming other deep learning-based and domain adaptation-based methods under cross-domain scenarios.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
闵不悔完成签到,获得积分10
4秒前
阳光火车完成签到 ,获得积分10
5秒前
cc完成签到,获得积分10
8秒前
合适的寄灵完成签到 ,获得积分10
9秒前
量子星尘发布了新的文献求助10
10秒前
科研通AI5应助cc采纳,获得10
11秒前
铜泰妍完成签到 ,获得积分10
12秒前
贝贝完成签到 ,获得积分10
17秒前
Lrcx完成签到 ,获得积分10
18秒前
Wen完成签到 ,获得积分10
19秒前
盘尼西林完成签到 ,获得积分10
21秒前
LOVE0077完成签到,获得积分10
24秒前
zhao完成签到,获得积分10
26秒前
BINBIN完成签到 ,获得积分10
36秒前
ambrose37完成签到 ,获得积分10
38秒前
量子星尘发布了新的文献求助10
44秒前
fufufu123完成签到 ,获得积分10
48秒前
开心的大娘完成签到,获得积分10
48秒前
www完成签到 ,获得积分10
50秒前
末末完成签到 ,获得积分10
1分钟前
无为完成签到 ,获得积分10
1分钟前
白嫖论文完成签到 ,获得积分10
1分钟前
上官若男应助忧伤的步美采纳,获得10
1分钟前
科研通AI2S应助科研通管家采纳,获得10
1分钟前
1分钟前
从心随缘完成签到 ,获得积分10
1分钟前
花花发布了新的文献求助10
1分钟前
牛奶面包完成签到 ,获得积分10
1分钟前
1分钟前
岁月如歌完成签到 ,获得积分0
1分钟前
1分钟前
Li完成签到,获得积分10
1分钟前
张琨完成签到 ,获得积分10
1分钟前
1分钟前
sunnyqqz完成签到,获得积分10
1分钟前
热情的乘风完成签到,获得积分20
1分钟前
1分钟前
霍凡白完成签到,获得积分10
1分钟前
1分钟前
Feng发布了新的文献求助20
1分钟前
高分求助中
【提示信息,请勿应助】关于scihub 10000
Les Mantodea de Guyane: Insecta, Polyneoptera [The Mantids of French Guiana] 3000
徐淮辽南地区新元古代叠层石及生物地层 3000
The Mother of All Tableaux: Order, Equivalence, and Geometry in the Large-scale Structure of Optimality Theory 3000
Handbook of Industrial Diamonds.Vol2 1100
Global Eyelash Assessment scale (GEA) 1000
Picture Books with Same-sex Parented Families: Unintentional Censorship 550
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 冶金 细胞生物学 免疫学
热门帖子
关注 科研通微信公众号,转发送积分 4038039
求助须知:如何正确求助?哪些是违规求助? 3575756
关于积分的说明 11373782
捐赠科研通 3305574
什么是DOI,文献DOI怎么找? 1819239
邀请新用户注册赠送积分活动 892655
科研通“疑难数据库(出版商)”最低求助积分说明 815022