XiaoMi-AI文件搜索系统
World File Search System图像质量
使用静音梯度线圈进行安静 T1 加权 7T 脑成像的图像质量和受试者体验
摘要 目的：磁共振成像 (MRI) 中的噪声会对患者产生负面影响。我们评估了以 20 kHz 切换的静音梯度线圈与 7 T 1 加权磁化制备的快速梯度回波 (MPRAGE) 序列的结合。方法：五名健康受试者（21-29 岁；三名女性）之前没有接受过 7-T MRI 检查，分别接受了两次安静 MPRAGE (Q-MPRAGE) 和常规 MPRAGE (C-MPRAGE) 序列。两名神经放射科医生对图像质量进行了定量和定性评估。所有受试者在每个序列之后立即以及整个检查（延迟）后（0-10 的量表）客观测量声级并主观评分。所有受试者还报告了舒适度、总体体验和再次接受该序列的意愿。结果：与 C-MPRAGE 相比，Q-MPRAGE 具有更高的信噪比 (10%；p = 0.012) 和更低的对比噪声比 (20%；p < 0.001)，并且图像质量良好。Q-MPRAGE 产生的噪音水平低 27 dB (76 对 103 dB)。受试者报告 Q-MPRAGE 的即时 (4.4 ± 1.4 对 6.4 ± 1.3；p = 0.007) 和延迟 (4.6 ± 1.4 对 6.3 ± 1.3；p = 0.005) 的噪音水平较低，而他们评定的舒适度 (7.4 ± 1.0 对 6.1 ± 1.7；p = 0.016) 和总体体验 (7.6 ± 1.0 对 6.0 ± 0.9；p = 0.005) 较高。再次接受该序列的意愿也更高，但并不显著（8.1 ± 1.0 对比 7.2 ± 1.3；p = 0.066）。结论：与 7 T 的 C-MPRAGE 相比，使用静音梯度线圈的 Q-MPRAGE 可将声级降低 27 dB，同时具有可接受至良好的图像质量以及更安静、更愉快的受试者体验。关键词：声学、健康志愿者、磁共振成像、神经成像、噪音
出入口 AI LPR 子弹头摄像机
卓越的图像质量（支持星光传感器、智能红外 II 技术和高帧率，以获得出色的图像质量。） LPR 智能搜索（通过搜索目标嫌疑车辆的部分特征，如车辆类型和颜色、车牌颜色、车牌号、方向等，即可快速找到相关视频）
人工智能深度学习重建算法对 CT 图像质量和潜在剂量减少的影响：一项体模研究
摘要背景：最近，计算机断层扫描 (CT) 制造商已经开发出基于深度学习的重建算法来弥补迭代重建 (IR) 算法的局限性，例如图像平滑和空间分辨率对对比度和剂量水平的依赖性。目的：评估人工智能深度学习重建 (AI-DLR) 算法与混合 IR 算法对胸部 CT 图像质量和剂量减少的影响，对比不同临床适应症。方法：在用于胸部 CT 条件的五个剂量水平 (CTDI vol: 9.5/7.5/6/2.5/0.4 mGy) 下对 CT 美国放射学会 (ACR) 464 和 CT Torso CTU-41 体模进行采集。使用滤波反投影、两级 IR（iDose 4 级别 4 (i4) 和 7 (i7)）和五级 AI-DLR（精确图像；更平滑、平滑、标准、清晰、更清晰）重建原始数据。计算了噪声功率谱 (NPS)、基于任务的传递函数和可检测性指数 (d ′)：d ′ 模型检测软组织纵隔结节（纵隔内的低对比度软组织胸部结节 [LCN]）、毛玻璃影 (GGO) 或高对比度肺 (HCP) 病变。两名放射科医生独立评估胸部拟人幻影图像的主观图像质量。他们使用常用的四或五分量表评估了纵隔图像的图像噪声、图像平滑度、纵隔血管与脂肪之间的对比度、实质图像的支气管与肺实质之间的视觉边界检测以及整体图像质量。结果：从标准到平滑水平，平均而言，噪声幅度降低（所有剂量水平：纵隔图像为 - 66.3% ± 0.5%，实质图像为 - 63.1% ± 0.1%），平均 NPS 空间频率降低（所有剂量水平：纵隔图像为 - 35.3% ± 2.2%，实质图像为 - 13.3% ± 2.2%），三种病变的可检测性 (d′) 增加。从标准到清晰水平则发现了相反的模式。从平滑到清晰水平，
用于工业缺陷检测的计算机视觉
稳健性图像质量不仅取决于光照情况，还取决于视角。污染会对图像质量产生负面影响，如果是金属表面，反射也会对图像质量产生负面影响。此外，不同图像之间检查部件的位置和方向可能会有所不同。理想情况下，客户需要一个解决方案，该解决方案只需要一次训练运行，并且可以在多台机器上使用，或者至少覆盖给定生产线或流程中的多个视角。因此，网络还必须能够抵御背景变化以及相机位置的变化。随着时间的推移，我们开发出了一种解决方案，即使图像数据出现几何扭曲，也能取得良好的效果，并且能够处理检查部件的方向和相机视角的变化。
推动创新平板探测器技术范式转变，在移动全尺寸 C 臂上引入 CMOS
CMOS 探测器在图像质量方面最重要的优势可以在放大模式下看到。CMOS 可以利用 100 µm x 100 µm 的初始像素尺寸，从而受益于其真实分辨率，尤其是在放大模式下。由于具有显示超过 4.0 线对/毫米的潜力，CMOS 探测器可实现高达两倍的空间分辨率。结合放大模式下的较低噪声水平，CMOS 显示出了它的直接优势。更高的灵敏度可以使用较低的剂量率显示较小的像素，但图像质量相同。最终，这意味着可以使用相同剂量实现更高的分辨率，或者使用相同的分辨率实现更低的剂量率。高分辨率成像极大地提高了图像质量 - 甚至可以显示最小的解剖结构，尤其是在放大模式下。
SIGNA™ 探索者
自动协议优化可实现简单、自动化的屏气成像工作流程。技术人员无需进行繁琐的参数调整，只需在 MR 系统自动计算的协议参数中进行选择，即可优化扫描时间和图像质量。自动协议优化可实现屏气检查，无论患者情况（屏气能力和身体特征）或操作员技能水平如何，图像质量更可靠，检查持续时间更可预测。
工业放射学的噪声源和后果
光子计数，基于直接转换或闪烁体）。他们的工业应用是由各个委员会（ASTM，CEN，ISO等）标准化的。是由X射线辐射的量子性质引起的，所有讨论的检测器都在其图像中显示出噪音。典型的噪声源是光子噪声，固定图案噪声是由检测器设计引起的，以及由物体结构和表面产生的噪声。检测器生产过程中不同的检测原理和制造局限性以不同的方式转移噪声贡献。作为结果，可以为不同的检测器建立基于可实现的图像质量的不同应用程序限制。此知识对于最佳检测器选择和暴露条件至关重要。这些不同的噪声源及其对图像质量的影响将在演讲中讨论。将从基本的检测原理开始实践外介绍，这表明在考虑图像质量方面时，每个检测原理在考虑图像质量方面时仍然具有自己的优势和缺点。关键字：数字工业放射学，图像质量，图像噪声，射线照相膜，计算射线照相，数字探测器阵列
卫生部基于人工智能的自动化系统
如果及早发现并治疗糖尿病视网膜病变，可显著减少因糖尿病视网膜病变导致的视力丧失。如今，喀拉拉邦的 16 家 FHC 都安装了眼底照相机，并对患者进行 DR 筛查。使用眼底照相机拍摄的图像中，只有 82% 可供分析。其余 18% 的图像无法由验光师进行分析。评估所拍摄图像质量的周转时间通常为 2 天。等到评估图像质量时，患者可能已经离开了。因此，需要对图像质量进行自动分析，并在 10 秒内获得是否应启动重拍的反馈。
dedim：使用扩散模型去识别
摘要：作为对面部识别系统中恶意身份验证的对策，使用了从SNS或类似的面部图像或基于对抗性示例的De-nisteriation方法获得的面部图像。然而，由于对抗示例直接使用面部识别模型的梯度信息，因此它高度依赖于该模型，并且对于未知识别模型而言，很难实现识别效果和图像质量。在这项研究中，我们提出了一种基于扩散模型的新型去识别方法，该方法通过对面部形状进行微小变化来对未知识别模型具有很高的概括性。使用LFW的实验表明，与使用对抗性示例的常规方法相比，该方法对未知模型具有更高的识别效果，并且图像质量更好。