MétaCan
Menu
Retour à la cohorte
Enregistrement W4405363084 · doi:10.1109/icfsp62546.2024.10785432

Visual Quality Enhancement of Low-Dose Dental CBCT Images

2024· article· en· W4405363084 sur OpenAlexaff
Ailar Mahdizadeh, Milad Yazdani, Hamid Reza Tohidypour, Siddharth R. Vora, Shahriar Mirabbasi, Panos Nasiopoulos, Dena Shahriari

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineDentistry
ThématiqueDental Radiography and Imaging
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésComputer scienceComputer visionImage enhancementImage qualityQuality (philosophy)Artificial intelligencePhysicsImage (mathematics)

Résumé

récupéré en direct d'OpenAlex

Cone-Beam Computed Tomography (CBCT) provides superior image quality in dentistry, but involves higher radiation exposure. To address this, lower radiation levels in CBCT imaging are used, resulting in higher noise levels. Although numerous efforts have been made to improve the visual quality of low-dose CBCT images, they often fail to achieve an optimal balance between noise reduction and edge preservation. This paper introduces a novel denoising algorithm surpassing previous methods, aimed at enhancing diagnostic accuracy by improving visual quality. Our approach begins with an adaptive median filter, followed by a fusion of frequency and spatial domain filtering techniques, supplemented by nonlocal means (NLM) smoothing and Laplacian sharpening. Subjective evaluations show a significant performance improvement over current state-of-the-art methods, marking a substantial progress toward achieving visual fidelity parity between low and high radiation CBCT scans.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,046
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,347
Écart entre enseignants0,332 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetDental Radiography and ImagingTravaux en français237 207