Quantitative Imaging in Medicine and Surgery（点击查看杂志详情与影响因子）
文章标题：
多频率截断伪影消除深度学习模型的开发与评估（Development and Evaluation of a Deep Learning Model for Multi-Frequency Gibbs Artifact Elimination）
内容亮点
本研究针对常见的Gibbs伪影问题，创新性地先生成了多样的Gibbs伪影数据，涵盖不同的截断比例，为伪影消除模型的训练提供了丰富的样本。通过对4936个回顾性扫描数据的深度学习模型训练，我们实现了对Gibbs伪影的有效消除。随后，利用前瞻性收集的30个扫描作为外部测试集进行评估，结果显示我们模型处理后的图像质量显著高于原始图像及传统过滤算法处理的图像（P<0.05）。此外，模型在识别脊髓空腔方面显著提升了放射科医师的信心（AUC：0.95 vs 0.90，P=0.04）。这一成果突显了我们的模型在提高影像质量和诊断准确性方面的潜力。（论著中文信息由第一作者整理提供，欲览英文原文请扫描下方二维码）
长按识别二维码即可阅读英文原文👆
DeepSeek回答精选（仅供参考）
第一作者：代立松
代立松，上海交通大学影像医学与核医学博士，师从李跃华教授，主要研究方向为医学图像与人工智能研究。作为第一作者的论文发表在Radiology: Artificial Intelligence、Academic Radiology、European Journal of Radiology等杂志上发表多篇SCI学术论文。
