CT-DegradBench：面向CT降解检测与严重程度估计的物理信息基准
计算机视觉与模式识别
2026-05-19 v1
摘要
计算机断层扫描（CT）图像常因采集伪影（包括噪声、模糊、 streaking、aliasing 和金属伪影）而受到降解。然而，CT增强仍主要依赖带有有限感知和临床有效性的图像质量指标，而现有数据集仅聚焦于孤立的恢复任务，阻碍了跨不同降解类型的统一基准测试。我们提出 CT-DegradBench，一个用于CT降解检测和严重程度估计的数据集和基准，覆盖受控的单一和混合降解情境。CT-DegradBench 在统一的实验框架内，使系统可横跨多个降解家族和不同严重程度水平进行系统评估。我们进一步提出 SeSpeCT（语义-谱CT降解估计），一种结合医学视觉语言模型语义先验与补充频域线索用于伪影分析的框架。SeSpeCT 使用放射学领域的文本提示，在多模态嵌入空间中构建无需任务特定微调的语义质量轴，并结合捕获降解特定频率模式的谱特征。最终表示形式实现对伪影类型和严重程度的联合预测。实验结果表明，在单一和混合降解情境下，SeSpeCT 始终优于所评估的基线方法。该框架已开源发布于 https://github.com/yousranb/CT-DEGRADBENCH。
引用
@article{arxiv.2605.16431,
title = {CT-DegradBench: A Physics-Informed Benchmark for CT Degradation Detection and Severity Estimation},
author = {Yousra Nabila Taifour and Marouane Tliba and Zuheng Ming and Marie Luong and Nour Aburaed and Aladine Chetouani and Gorkem Durak and Alessandro Bruno and Faouzi Alaya Cheikh and Habib Zaidi and Ulas Bagci and Azeddine Beghdadi},
journal= {arXiv preprint arXiv:2605.16431},
year = {2026}
}
备注
Accepted in CVPR 2026 VISION Workshop (DEXTER track)