近日，国际医学图像计算和计算机辅助干预协会（Medical Image Computing and Computer Assisted Intervention Society，MICCAI’25）公布录用结果，我院胡翔云教授团队的研究工作“VQ-SCD: Vector Quantization Meets Unknown Scan Condition Self-supervised Low-Dose CT Denoising”被大会接收。MICCAI是国际医学图像分析领域公认的最具影响力的学术会议。该国际会议自1998年开始举办，至今已举办27届，第28届MICCAI会议将于2025年9月23到27日在韩国大田举行。本届会议投稿达到3677篇，接受1014篇(29%)。
低剂量CT图像中的伪影和噪声会降低图像质量，阻碍后续准确诊断。近年来，基于图像域的后处理降噪方法无需使用原始投影数据，获得了更大的灵活性。然而，临床扫描条件差异显著，现有研究大多聚焦于固定或已知条件下的CT降噪。此外，在临床环境中获取配对CT数据具有挑战性，限制了此类方法的实际应用性。为解决这些挑战，论文提出自监督VQ-SCD方法，能够仅使用正常剂量CT（NDCT）训练数据，在未知扫描条件下对低剂量CT（LDCT）图像进行降噪。VQ-SCD首次使用离散化码本近似LDCT特征在不同扫描条件下的分布，实现对来自多个扫描条件下的数据统一特征提取和去噪。此外，论文设计了一种微型扩散模型，利用上采样特征作为指导来增强图像细节。该方法在定量指标和视觉质量方面均优于监督学习和最先进的自监督学习方法，且测试时间仅为每张图像0.25秒。此外，仅使用动物和体模数据训练模型仍能在人体数据上实现卓越的降噪性能。
我院博士生苏波为论文的第一作者，由导师胡翔云教授与李建成院士共同指导完成。本研究也得到了武汉大学人民医院查云飞教授，万军教授以及相关企业的帮助与支持，获得了湖北珞珈实验室专项基金（230100001）的资助。
