論文の概要: Super-resolution of clinical CT volumes with modified CycleGAN using
micro CT volumes
- arxiv url: http://arxiv.org/abs/2004.03272v1
- Date: Tue, 7 Apr 2020 11:12:24 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-16 00:42:57.729200
- Title: Super-resolution of clinical CT volumes with modified CycleGAN using
micro CT volumes
- Title（参考訳）: マイクロctボリュームを用いた修正サイクガンによる臨床用ctボリュームの超解像
- Authors: Tong ZHENG, Hirohisa ODA, Takayasu MORIYA, Takaaki SUGINO, Shota
NAKAMURA, Masahiro ODA, Masaki MORI, Hirotsugu TAKABATAKE, Hiroshi NATORI,
Kensaku MORI
- Abstract要約: 本稿では,臨床CTおよびマイクロCTボリュームのトレーニングデータセットを欠いた超解像(SR)法を提案する。
そこで我々はCycleGANをベースとしたSRアプローチを提案し,臨床CTのSRを$mu$CTレベルにすることができる。
実験の結果,肺がん患者の臨床CT容積のSRを$mu$CTレベルに向上させる方法が得られた。
- 参考スコア（独自算出の注目度）: 1.4695026366952046
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents a super-resolution (SR) method with unpaired training
dataset of clinical CT and micro CT volumes. For obtaining very detailed
information such as cancer invasion from pre-operative clinical CT volumes of
lung cancer patients, SR of clinical CT volumes to $\m$}CT level is desired.
While most SR methods require paired low- and high- resolution images for
training, it is infeasible to obtain paired clinical CT and {\mu}CT volumes. We
propose a SR approach based on CycleGAN, which could perform SR on clinical CT
into $\mu$CT level. We proposed new loss functions to keep cycle consistency,
while training without paired volumes. Experimental results demonstrated that
our proposed method successfully performed SR of clinical CT volume of lung
cancer patients into $\mu$CT level.
- Abstract（参考訳）: 本稿では,臨床CTおよびマイクロCTボリュームのトレーニングデータセットを欠いた超解像(SR)法を提案する。
肺癌患者の術前臨床CTボリュームから癌浸潤などの極めて詳細な情報を得るためには,臨床CTボリュームのSRを$\m$}CTレベルに設定する必要がある。
ほとんどのsr法は訓練のために低解像度画像と高解像度画像のペアを必要とするが、臨床用ctとctのペア画像の取得は不可能である。
そこで我々はCycleGANをベースとしたSRアプローチを提案し,臨床CTのSRを$\mu$CTレベルにすることができる。
ペアボリュームを使わずにトレーニングを行いながら,サイクルの一貫性を保つための新たな損失関数を提案する。
肺がん患者の臨床CT容積のSRを$\mu$CTレベルに向上させる方法が提案された。
関連論文リスト
- WIA-LD2ND: Wavelet-based Image Alignment for Self-supervised Low-Dose CT Denoising [74.14134385961775]
我々は, NDCTデータのみを用いて, WIA-LD2NDと呼ばれる新しい自己監督型CT画像復調法を提案する。
WIA-LD2ND は Wavelet-based Image Alignment (WIA) と Frequency-Aware Multi-scale Loss (FAM) の2つのモジュールから構成される。
論文 参考訳（メタデータ） (2024-03-18T11:20:11Z) - Rotational Augmented Noise2Inverse for Low-dose Computed Tomography
Reconstruction [83.73429628413773]
改良された深層学習手法は、画像のノイズを除去する能力を示しているが、正確な地上の真実を必要とする。
畳み込みニューラルネットワーク(CNN)のトレーニングに基礎的真理を必要としないLDCTのための新しい自己教師型フレームワークを提案する。
数値および実験結果から,Sparse View を用いた N2I の再構成精度は低下しており,提案手法は異なる範囲のサンプリング角度で画像品質を向上する。
論文 参考訳（メタデータ） (2023-12-19T22:40:51Z) - A multi-channel cycleGAN for CBCT to CT synthesis [0.0]
画像合成は、on-treatment cone-beam CT(CBCTs)から合成CTを生成するために使用される
本研究はCBCT-to-sCT合成という2つ目の課題に焦点をあてる。
画像の特徴を強調するためにマルチチャネル入力を活用することで,CBCT画像に固有の課題を効果的に解決する。
論文 参考訳（メタデータ） (2023-12-04T16:40:53Z) - Cycle-consistent Generative Adversarial Network Synthetic CT for MR-only
Adaptive Radiation Therapy on MR-Linac [0.0]
MR-LINAC治療のMRIおよびCTスキャンスライスを用いてサイクロGANモデルを訓練し,sCTボリュームを作成した。
ドシメトリック評価では, sCTとdCTの差は小さかったが, sCTでは気泡再建が良好であった。
論文 参考訳（メタデータ） (2023-12-03T04:38:17Z) - Incremental Cross-view Mutual Distillation for Self-supervised Medical
CT Synthesis [88.39466012709205]
本稿では,スライス間の分解能を高めるために,新しい医療スライスを構築した。
臨床実践において, 根本・中間医療スライスは常に欠落していることを考慮し, 相互蒸留の段階的相互蒸留戦略を導入する。
提案手法は,最先端のアルゴリズムよりも明確なマージンで優れる。
論文 参考訳（メタデータ） (2021-12-20T03:38:37Z) - CyTran: A Cycle-Consistent Transformer with Multi-Level Consistency for
Non-Contrast to Contrast CT Translation [56.622832383316215]
コントラストCTを非コントラストCTに変換する手法を提案する。
提案手法は、CyTranを略して、サイクル一貫性のある生成逆転変換器に基づいている。
実験の結果、CyTranは競合するすべての手法より優れています。
論文 参考訳（メタデータ） (2021-10-12T23:25:03Z) - Generative Models Improve Radiomics Performance in Different Tasks and
Different Datasets: An Experimental Study [3.040206021972938]
ラジオミクス(Radiomics)は、医用画像からの高スループット特徴抽出に焦点を当てた研究分野である。
生成モデルは、異なるタスクにおける低線量CTベースの放射能の性能を改善することができる。
論文 参考訳（メタデータ） (2021-09-06T06:01:21Z) - Micro CT Image-Assisted Cross Modality Super-Resolution of Clinical CT
Images Utilizing Synthesized Training Dataset [1.590436505368218]
臨床CTの高解像度化は肺癌の診断に有用である。
修正CycleGANによる臨床CT画像のシミュレーションにより, 対応する臨床CT-mu$CTペアを作成する。
SRGANをベースとしたSRネットワークのトレーニングには,CT-$mu$CT画像ペアを用いた。
論文 参考訳（メタデータ） (2020-10-20T11:40:24Z) - Co-Heterogeneous and Adaptive Segmentation from Multi-Source and
Multi-Phase CT Imaging Data: A Study on Pathological Liver and Lesion
Segmentation [48.504790189796836]
我々は,新しいセグメンテーション戦略,コヘテロジネティック・アダプティブセグメンテーション(CHASe)を提案する。
本稿では,外見に基づく半スーパービジョン,マスクに基づく対向ドメイン適応,擬似ラベルを融合した多目的フレームワークを提案する。
CHASeは4.2% sim 9.4%$の範囲で、病理的な肝臓マスクDice-Sorensen係数をさらに改善することができる。
論文 参考訳（メタデータ） (2020-05-27T06:58:39Z) - Synergistic Learning of Lung Lobe Segmentation and Hierarchical
Multi-Instance Classification for Automated Severity Assessment of COVID-19
in CT Images [61.862364277007934]
3次元CT画像におけるCOVID-19の重症度自動評価のための相乗的学習フレームワークを提案する。
マルチタスクのディープネットワーク(M$2$UNet)が開発され、新型コロナウイルス患者の重症度を評価する。
われわれのM$2$UNetはパッチレベルのエンコーダと肺葉分画のためのセグメンテーションサブネットワークと重度評価のための分類サブネットワークから構成されている。
論文 参考訳（メタデータ） (2020-05-08T03:16:15Z) - Multi-modality super-resolution loss for GAN-based super-resolution of
clinical CT images using micro CT image database [1.5247645805472543]
本稿では,GANに基づく超解像のための多モード損失関数を提案する。
臨床CTおよびマイクロCTボリュームの未整備のトレーニングデータセット上で、画像構造と強度を維持することができる。
論文 参考訳（メタデータ） (2019-12-30T07:49:58Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。