طريقة هجينة متناوبة الاتجاه للمضاعفات أعتماداً على الترشيح الموجه هيكليًا لإعادة بناء صور الأشعة المقطعية منخفضة الجرعة القوية

الملخص

يُعدّ تقليل التعرّض للإشعاع في عملية التصوير المقطعي المحوسب(CT) أمرًا بالغ الأهمية لحماية صحة المرضى. توفر الطرق الآلية وطرق التعلّم العميق إعادة بناء سريعة وفعّالة لصور CT منخفضة الجرعة وعالية الجودة. إلا أن هذه الصور المرجعية تُظهر بشكل متزايد وجود تشوهات غير مرغوب فيها، مثل الضوضاء الكمومية وتداخل الخطوط، مما يؤثر سلبًا على محتواها المرئي. وبالتالي، فإن طريقة إعادة البناء التقليدية، مثل طريقة الإسقاط الخلفي المُصفّى (FBP)، لا تُجدي نفعًا في التشخيص بجرعات منخفضة. أما خوارزميات التعلّم العميق وحدها، فتُنتج دائمًا صورًا ذات وضوح ضعيف تُشوّه السمات الهيكلية المعقدة. في هذا البحث، نقدم حلًا منهجيًا يجمع بين انتظام البيانات الفيزيائية ومعلومات التعلّم العميق المسبقة. نستخدم طريقة الاتجاه المتناوب للمضاعفات (ADMM) لتحديد مشكلة إعادة البناء. بعد ذلك، وباستخدام مصطلح تنظيم، تُحسّن الشبكة العصبية الالتفافية لإزالة الضوضاء (CDNN) المُدرّبة الصور بشكل أكبر (مع الأخذ في الاعتبار أن هدفنا الرئيسي هو تقليل الضوضاء). في هذه المرحلة، تُضاف خطوة ترشيح موجهة تكيفية، تستند إلى البنى المُستخلصة من عملية إعادة البناء الأولية، للحفاظ على الحواف ومعلومات الترددات المنخفضة، لضمان عدم فقدان تفاصيل الصورة بشكل كامل أثناء عملية إزالة التشويش العميق. تُظهر النتائج التجريبية على مجموعة بيانات سريرية أن المنهج المقترح يحقق نسبة إشارة إلى ضوضاء قصوى (PSNR) تبلغ 31.04 ديسيبل، غنية بالتفاصيل، مما يُفيد في التشخيص (مؤشر تشابه الصور الهيكلي SSIM عالي الجودة). في الختام، يُعدّ الانخفاض الصافي في التشويش، إلى جانب تحسين فرص التشخيص، إضافة قيّمة للعاملين في المستشفيات مقارنةً بالأساليب الحالية. تُبرهن هذه النتائج على قدرة الطريقة الهجينة المقترحة على إزالة التشويش بنجاح مع الحفاظ على بيانات التشخيص الأساسية.