王丽会教授团队最新研究成果在医学影像人工智能领域顶级期刊 《IEEE Transactions on Medical Imaging》上发表

近日，贵州大学计算机科学与技术学院（贵州保密学院），“贵州省先进医学成像与智能计算全省重点实验室”在医学影像人工智能领域顶级期刊《IEEE Transactions on Medical Imaging》（中科院一区Top，影响因子8.9）发表题为《Replace2Self: Self-Supervised Denoising based on Voxel Replacing and Image Mixing for Diffusion MRI》的研究论文。该成果由硕士研究生吴林海（第一作者）与王丽会教授（通讯作者）领衔攻关，获国家自然科学基金和贵州省科技厅基础研究计划重点项目资助，标志着贵州在医学影像智能计算领域实现原创性突破。

图1 Replace2Self方法结构图

磁共振扩散加权成像（Diffusion Weighted Imaging，DWI）是目前最具有潜力的无损探索组织微观结构的一种成像方式，然而，DWI在采集过程中往往受到噪声干扰，采集的图像信噪比极低，致使估计的扩散表征参数失真，严重影响后续组织微观结构估计过程。针对这一问题，研究团队提出了Replace2Self自监督去噪算法。该方法从DWI成像原理出发，首先基于Q空间相似块匹配设计了体素替换方法，打破噪声空间和信号相关性，进而构建结构相似但噪声独立的图像对。随后，为了减少体素替换引入的信号差异，提出基于互补掩码的图像混合策略，细化噪声图像对。最后，引入互补掩码一致性损失和体素反替换正则化损失优化网络，提升网络去噪的鲁棒性。

图2 DWI纤维结构去噪结果展示

通过在多个中心的数据集上测试，验证了Replace2Self算法的有效性。实验结果表明，该算法对于不同类型噪声的抑制效果明显，同时最大力度地保留了组织纤维结构信息。此外，相较于现有方法，Replace2Self不仅极大地缩短了算法推理时间，在模型的泛化性能方面也展现出了强大的优势。该技术克服了现有去噪方法对干净数据的依赖，更适合临床复杂场景，有望集成至医学影像设备，为神经系统疾病精准评估提供新工具。

研究成果链接：

https://ieeexplore.ieee.org/document/10931059

图文：贵州大学计算机科学与技术学院（贵州保密学院）

编辑：罗国师

责编：张筱慧 蒋静菡 杨璇

审校：綦娅

编审：张小彬