计算机科学 > 机器学习
[提交于 2025年7月31日
]
标题: DiSC-Med:基于扩散的语义通信用于鲁棒的医学图像传输
标题: DiSC-Med: Diffusion-based Semantic Communications for Robust Medical Image Transmission
摘要: 人工智能的快速发展推动了智能健康领域的发展,结合下一代无线通信技术,激发了远程诊断和干预方面的令人兴奋的应用。 为了实现在远程医疗中的及时有效响应,通过有限带宽的噪声信道高效传输医疗数据成为一项关键挑战。 在本工作中,我们提出了一种新颖的基于扩散的语义通信框架,即DiSC-Med,用于医疗图像传输,其中开发了医学增强的压缩和去噪模块,分别用于带宽效率和鲁棒性。 与传统的逐像素通信框架不同,我们提出的DiSC-Med能够捕捉关键语义信息,并在噪声信道下实现超高的带宽效率和优越的重建性能。 在真实世界医疗数据集上的大量实验验证了我们框架的有效性,展示了其在鲁棒且高效的远程医疗应用中的潜力。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.