Resolution enhancement in digital x-ray imaging
Notice bibliographique
Résumé
We have developed a restoration method for radiographs that enhances image sharpness and reveals bone microstructures that were initially hidden in the soft-tissue glare. The method is two fold: the image is first deconvolved using the Richardson-Lucy algorithm and is then divided with a signal modelling the soft-tissue distribution to increase the overall contrast. Each step has its own merits but the power of the restoration method lies in their combination. The originality of the method is its reliance on a priori information at each step in the processing. We have measured and modelled analytically the point-spread function of a low-dose gas microstrip x-ray detector at several beam energies. We measured the relationship between the local image intensity and the noise variance for these images. The soft-tissue signal was also modelled using a minimum-curvature filtering technique. These results were then combined into an image deconvolution procedure that uses wavelet filtering to reduce restoration noise while keeping the enhanced small-scale features. The method was applied successfully to images of a human-torso phantom and improved the contrast of small details on the bones and in the soft tissues. We measured a mean 54% increase in signal to noise ratio and a mean 105% increase in contrast to noise ratio in the 70 and 140 kVp images we analysed. The method was designed to facilitate the analysis of radiographs by relying on two levels of visual inspection. The contrast of the full image is first enhanced by division with the signal modelling the soft-tissue distribution. Based on the result, a radiologist might decide to zoom in on a given image section. The full restoration method is then applied to that region of interest. Indeed, full image deconvolution is often unnecessary since enhanced small-scale details are not visible at large scale; only the section of interest is processed which is more efficient.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».