图像融合是一种可以提高医学图像的临床价值的过程,提高医学诊断的准确性和患者护理的质量。作者Yi Li解释说:“大多数医学图像都有单方面或有限的信息内容;例如,焦点位置可以使一些物体出现模糊。分散在许多图像中的重要信息可以妨碍医生的判断。图像融合是一种有效的解决方案 - 它自动检测这些单独图像中包含的信息,并将它们集成以产生一个复合图像。“
研究人员越来越变成了深度学习改进图像融合。然而,目前的研究大多集中在深度学习在单图像融合处理中的应用。将其用于多图像批处理的研究非常少。
李解释说:“医学图像有具体的实用要求,包括信息丰富和高清晰度。在我们的研究中,我们使用成功的图像融合结果来建立一个图像训练数据库。然后,我们能够使用该数据库来分批融合医学图像。”
李补充说,“我们的方法还提高了清晰度核磁共振成像,CT和SPECT图像融合,提高了精度医学诊断.在视觉质量和定量评价指标方面,我们已经实现了最先进的性能。例如,我们制作的融合图像看起来更自然,边缘更清晰,分辨率更高。此外,详细的信息和感兴趣的特征得到了更好的保存。”
研究结果发表在《国际KeAi杂志》上工程中的认知计算杂志.
来源:KeAi通信