論文の概要: A Learning-based Method for Online Adjustment of C-arm Cone-Beam CT Source Trajectories for Artifact Avoidance

• arxiv url: http://arxiv.org/abs/2008.06262v1
• Date: Fri, 14 Aug 2020 09:23:50 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-30 17:46:26.029105
• Title: A Learning-based Method for Online Adjustment of C-arm Cone-Beam CT Source Trajectories for Artifact Avoidance
• Title（参考訳）: 学習に基づくアーティファクト回避のためのc-armコーンビームct音源軌跡のオンライン調整法
• Authors: Mareike Thies, Jan-Nico Z\"ach, Cong Gao, Russell Taylor, Nassir Navab, Andreas Maier, Mathias Unberath
• Abstract要約: 市販CBCT装置で実現可能な復元品質はペダルスクリューの存在下での金属加工品のため不十分である。 そこで本研究では,C-arm CBCTソーストラジェクトリをスキャン中に調整し,特定のタスクに対する再構成品質を最適化することを提案する。 リアルにシミュレートされたデータに基づいてトレーニングされた畳み込みニューラルネットワークは、CBCTソース軌跡のシーン特異的な調整を可能にする品質指標を予測することができることを示す。
• 参考スコア（独自算出の注目度）: 47.345403652324514
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: During spinal fusion surgery, screws are placed close to critical nerves suggesting the need for highly accurate screw placement. Verifying screw placement on high-quality tomographic imaging is essential. C-arm Cone-beam CT (CBCT) provides intraoperative 3D tomographic imaging which would allow for immediate verification and, if needed, revision. However, the reconstruction quality attainable with commercial CBCT devices is insufficient, predominantly due to severe metal artifacts in the presence of pedicle screws. These artifacts arise from a mismatch between the true physics of image formation and an idealized model thereof assumed during reconstruction. Prospectively acquiring views onto anatomy that are least affected by this mismatch can, therefore, improve reconstruction quality. We propose to adjust the C-arm CBCT source trajectory during the scan to optimize reconstruction quality with respect to a certain task, i.e. verification of screw placement. Adjustments are performed on-the-fly using a convolutional neural network that regresses a quality index for possible next views given the current x-ray image. Adjusting the CBCT trajectory to acquire the recommended views results in non-circular source orbits that avoid poor images, and thus, data inconsistencies. We demonstrate that convolutional neural networks trained on realistically simulated data are capable of predicting quality metrics that enable scene-specific adjustments of the CBCT source trajectory. Using both realistically simulated data and real CBCT acquisitions of a semi-anthropomorphic phantom, we show that tomographic reconstructions of the resulting scene-specific CBCT acquisitions exhibit improved image quality particularly in terms of metal artifacts. Since the optimization objective is implicitly encoded in a neural network, the proposed approach overcomes the need for 3D information at run-time.
• Abstract（参考訳）: 脊椎固定術中、スクリューは極めて正確なスクリュー配置の必要性を示唆する臨界神経の近くに置かれる。 高品質断層撮影におけるスクリュー配置の検証は不可欠である。 C-arm Cone-beam CT (CBCT) は術中3Dトモグラフィーで、即時診断が可能で、必要に応じて再検査が可能である。 しかし, 市販のcbct装置で実現可能な復元品質は, ペディクルスクリューの存在下では金属アーチファクトが厳しいため, ほとんどが不十分である。 これらのアーティファクトは、画像形成の真の物理と、再構成時に想定される理想化されたモデルとのミスマッチから生じる。 このミスマッチに最も影響を受けない解剖学の視点を先進的に得ることで、再建の質を向上させることができる。 そこで本研究では,C-arm CBCTソースの軌跡をスキャン中に調整し,あるタスク,すなわちスクリュー配置の検証に関する復元品質を最適化することを提案する。 調整は畳み込みニューラルネットワークを用いてオンザフライで行われ、現在のX線画像から、可能な次のビューに対する品質指標を回帰する。 推奨されたビューを取得するためにcbct軌道を調整すると、貧弱な画像を避ける非円形のソース軌道となり、したがってデータ不整合が生じる。 リアルにシミュレートされたデータに基づいてトレーニングされた畳み込みニューラルネットワークは、CBCTソース軌跡のシーン特異的な調整を可能にする品質指標を予測することができることを示す。 半共形ファントムの現実的なシミュレーションデータと実際のcbct取得の両方を用いて、得られたシーン特異的cbct取得の断層画像再構成により、特に金属人工物の観点から画像品質が向上することを示す。 最適化の目的はニューラルネットワークに暗黙的にエンコードされるため、提案手法は実行時に3d情報の必要性を克服する。

関連論文リスト

• 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)
• Teeth Localization and Lesion Segmentation in CBCT Images using SpatialConfiguration-Net and U-Net [0.4915744683251149]
  歯の局所化と根尖部病変の分節化は臨床診断と治療計画にとって重要な課題である。 本研究では,2つの畳み込みニューラルネットワークを用いた深層学習手法を提案する。 この方法は、歯の局所化に対する97.3%の精度と、それぞれ0.97および0.88の有望な感度と特異性を達成し、その後の病変検出を行う。
  論文  参考訳（メタデータ） (2023-12-19T14:23:47Z)
• INeAT: Iterative Neural Adaptive Tomography [34.84974955073465]
  反復型ニューラルアダプティブ・トモグラフィ(INeAT)は、姿勢の最適化を組み込んで、姿勢の摂動の影響を抑える。 IneAT は, 顕著なポーズ障害を伴うシナリオにおいて, アーティファクト抑制, 解像度向上を達成できることを実証した。
  論文  参考訳（メタデータ） (2023-11-03T01:00:36Z)
• Deep learning network to correct axial and coronal eye motion in 3D OCT retinal imaging [65.47834983591957]
  深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。 実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
  論文  参考訳（メタデータ） (2023-05-27T03:55:19Z)
• Convolutional Neural Network to Restore Low-Dose Digital Breast Tomosynthesis Projections in a Variance Stabilization Domain [15.149874383250236]
  畳み込みニューラルネットワーク(CNN)は、低線量(LD)投影を標準的なフル線量(FD)取得と同等の画質に復元するために提案されている。 平均二乗誤差(MNSE)、正規化訓練時間、ノイズ空間相関の点で従来のデータ駆動方式と比較して、ネットワークは優れた結果を得た。
  論文  参考訳（メタデータ） (2022-03-22T13:31:47Z)
• Metal Artifact Reduction with Intra-Oral Scan Data for 3D Low Dose Maxillofacial CBCT Modeling [0.7444835592104696]
  高精度な3次元顎顔面CBCTモデリングのための2段階金属アーチファクト低減法を提案する。 第1段階では、金属関連アーティファクトを緩和するために画像と画像の深層学習ネットワークが使用される。 第2段階では、矯正された歯科用CBCT画像から骨を分割して3次元顎顔面モデルを構築する。
  論文  参考訳（メタデータ） (2022-02-08T00:24:41Z)
• Self-Attention Generative Adversarial Network for Iterative Reconstruction of CT Images [0.9208007322096533]
  本研究の目的は、ノイズや不完全なデータから高品質なCT画像を再構成するために、単一のニューラルネットワークを訓練することである。 ネットワークには、データ内の長距離依存関係をモデル化するセルフアテンションブロックが含まれている。 我々のアプローチはCIRCLE GANに匹敵する全体的なパフォーマンスを示し、他の2つのアプローチよりも優れています。
  論文  参考訳（メタデータ） (2021-12-23T19:20:38Z)
• 3D Reconstruction of Curvilinear Structures with Stereo Matching DeepConvolutional Neural Networks [52.710012864395246]
  本稿では,立体対における曲線構造の検出とマッチングのための完全自動パイプラインを提案する。 主に、TEM画像のステレオ対から転位を3次元再構成することに焦点を当てる。
  論文  参考訳（メタデータ） (2021-10-14T23:05:47Z)
• Adaptive Gradient Balancing for UndersampledMRI Reconstruction and Image-to-Image Translation [60.663499381212425]
  本研究では,新しい適応勾配バランス手法を併用したwasserstein生成逆ネットワークを用いて,画質の向上を図る。 MRIでは、他の技術よりも鮮明な画像を生成する高品質の再構築を維持しながら、アーティファクトを最小限に抑えます。
  論文  参考訳（メタデータ） (2021-04-05T13:05:22Z)
• Probabilistic 3D surface reconstruction from sparse MRI information [58.14653650521129]
  スパース2次元MR画像データとアレータティック不確実性予測から3次元表面再構成を同時に行うための新しい確率論的深層学習手法を提案する。 本手法は,3つの準直交MR画像スライスから,限られたトレーニングセットから大きな表面メッシュを再構成することができる。
  論文  参考訳（メタデータ） (2020-10-05T14:18:52Z)

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。