論文の概要: A novel deep learning-based method for monochromatic image synthesis
from spectral CT using photon-counting detectors
- arxiv url: http://arxiv.org/abs/2007.09870v1
- Date: Mon, 20 Jul 2020 03:44:57 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-08 14:53:38.429763
- Title: A novel deep learning-based method for monochromatic image synthesis
from spectral CT using photon-counting detectors
- Title（参考訳）: 光子計数検出器を用いたスペクトルctからの新しい深層学習に基づく単色画像合成法
- Authors: Ao Zheng, Hongkai Yang, Li Zhang and Yuxiang Xing
- Abstract要約: シングラム領域で動作する深層学習に基づく単色画像合成法を提案する。
本手法は,PCDを装着したコーンビームCT(CBCT)システムを用いて検討した。
- 参考スコア（独自算出の注目度）: 7.190103828139802
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the growing technology of photon-counting detectors (PCD), spectral CT
is a widely concerned topic which has the potential of material
differentiation. However, due to some non-ideal factors such as cross talk and
pulse pile-up of the detectors, direct reconstruction from detected spectrum
without any corrections will get a wrong result. Conventional methods try to
model these factors using calibration and make corrections accordingly, but
depend on the preciseness of the model. To solve this problem, in this paper,
we proposed a novel deep learning-based monochromatic image synthesis method
working in sinogram domain. Different from previous deep learning-based methods
aimed at this problem, we designed a novel network architecture according to
the physical model of cross talk, and it can solve this problem better in an
ingenious way. Our method was tested on a cone-beam CT (CBCT) system equipped
with a PCD. After using FDK algorithm on the corrected projection, we got quite
more accurate results with less noise, which showed the feasibility of
monochromatic image synthesis by our method.
- Abstract（参考訳）: 光子計数検出器(pcd)の普及に伴い、スペクトルctは物質分化の可能性を秘めている。
しかし、クロストークやパルス蓄積のようないくつかの非理想的要因により、検出されたスペクトルからの直接再構成は補正なしでは間違った結果が得られる。
従来の手法では、キャリブレーションを用いてこれらの因子をモデル化し、適切な補正を試みるが、モデルの正確性に依存する。
そこで本研究では,シングラム領域で動作する深層学習に基づく単色画像合成手法を提案する。
この問題を目的とした従来のディープラーニングベースの手法とは異なり,クロストークの物理モデルに基づいた新たなネットワークアーキテクチャを設計した。
本手法は,PCDを装着したコーンビームCT(CBCT)システムを用いて検討した。
補正された投影にfdkアルゴリズムを用いた結果,ノイズが少なく精度が向上し,単色画像合成が可能となった。
関連論文リスト
- Quantum optimization algorithms for CT image segmentation from X-ray data [0.0]
本稿では,2次非制約二元最適化(QUBO)と呼ばれる高度な量子最適化アルゴリズムを用いた新しい手法を提案する。
ラドン変換を用いて、実験的に得られたシングラムと量子化されたセグメンテーションCT画像から得られた量子化されたシングラムとの差を最小限に抑えたX線投影データからのセグメンテーションCT画像の取得を可能にする。
本研究は,実世界のX線データの検証にD-Waveのハイブリッドソルバシステムを利用した。
論文 参考訳（メタデータ） (2023-06-08T19:37:43Z) - Enhanced Sharp-GAN For Histopathology Image Synthesis [63.845552349914186]
病理組織像合成は、正確ながん検出のためのディープラーニングアプローチの訓練において、データ不足の問題に対処することを目的としている。
核トポロジと輪郭正則化を用いて合成画像の品質を向上させる新しい手法を提案する。
提案手法は、Sharp-GANを2つのデータセット上の4つの画像品質指標すべてで上回る。
論文 参考訳（メタデータ） (2023-01-24T17:54:01Z) - Highly accurate quantum optimization algorithm for CT image
reconstructions based on sinogram patterns [0.0]
我々は,CT画像の再構成のための新しい量子アルゴリズムを提案する。
この新しいアルゴリズムはコーンビームCT画像再構成にも利用できる。
論文 参考訳（メタデータ） (2022-07-06T05:34:57Z) - Multi-Channel Convolutional Analysis Operator Learning for Dual-Energy
CT Reconstruction [108.06731611196291]
我々は,多チャンネル畳み込み解析演算子学習法(MCAOL)を開発した。
本研究では,低エネルギー,高エネルギーで減衰画像を共同で再構成する最適化手法を提案する。
論文 参考訳（メタデータ） (2022-03-10T14:22:54Z) - 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) - A parameter refinement method for Ptychography based on Deep Learning
concepts [55.41644538483948]
伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。
最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。
我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
論文 参考訳（メタデータ） (2021-05-18T10:15:17Z) - Regularization by Denoising Sub-sampled Newton Method for Spectral CT
Multi-Material Decomposition [78.37855832568569]
スペクトルctを用いたマルチマテリアル画像再構成のためのモデルベース最大後課題の解決法を提案する。
特に,プラグイン画像復号化機能に基づく正規化最適化問題について提案する。
スペクトルct材料分解の数値的および実験的結果を示す。
論文 参考訳（メタデータ） (2021-03-25T15:20:10Z) - Scatter Correction in X-ray CT by Physics-Inspired Deep Learning [26.549671705231145]
X線CT(CT)の基本的な問題は、光子と画像オブジェクトの相互作用による散乱である。
散乱補正法は、ハードウェアベースとソフトウェアベースの2つのカテゴリに分類できる。
本研究では,PhILSCATとOV-PhILSCATの2種類の深層学習法を提案する。
論文 参考訳（メタデータ） (2021-03-21T22:51:20Z) - Prediction of low-keV monochromatic images from polyenergetic CT scans
for improved automatic detection of pulmonary embolism [21.47219330040151]
我々は、従来の単エネルギーCT取得からモノE画像の生成をエミュレートできる畳み込みニューラルネットワークを訓練している。
我々は,これらの手法をマルチタスク最適化手法を用いて拡張し,改良された分類と生成結果を実現する。
論文 参考訳（メタデータ） (2021-02-02T11:42:31Z) - Deep Variational Network Toward Blind Image Restoration [60.45350399661175]
ブラインド画像復元はコンピュータビジョンでは一般的だが難しい問題である。
両利点を両立させることを目的として,新しいブラインド画像復元手法を提案する。
画像デノイングと超解像という2つの典型的なブラインド赤外線タスクの実験により,提案手法が現状よりも優れた性能を達成できることが実証された。
論文 参考訳（メタデータ） (2020-08-25T03:30:53Z)
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。