論文の概要: Clinically Translatable Direct Patlak Reconstruction from Dynamic PET
with Motion Correction Using Convolutional Neural Network
- arxiv url: http://arxiv.org/abs/2009.05901v1
- Date: Sun, 13 Sep 2020 02:51:25 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-19 03:23:56.453150
- Title: Clinically Translatable Direct Patlak Reconstruction from Dynamic PET
with Motion Correction Using Convolutional Neural Network
- Title(参考訳): 畳み込みニューラルネットを用いた動的PETからの直接膝蓋骨再建術
- Authors: Nuobei Xie, Kuang Gong, Ning Guo, Zhixing Qin, Jianan Cui, Zhifang Wu,
Huafeng Liu, Quanzheng Li
- Abstract要約: パトラクモデルは18F-FDGダイナミックポジトロン放射トモグラフィ(PET)イメージングで広く用いられている。
本研究では,動的PET画像から高品質な運動補正型直接パトラク画像にマッピングする,データ駆動型フレームワークを提案する。
- 参考スコア(独自算出の注目度): 9.949523630885261
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Patlak model is widely used in 18F-FDG dynamic positron emission tomography
(PET) imaging, where the estimated parametric images reveal important
biochemical and physiology information. Because of better noise modeling and
more information extracted from raw sinogram, direct Patlak reconstruction
gains its popularity over the indirect approach which utilizes reconstructed
dynamic PET images alone. As the prerequisite of direct Patlak methods, raw
data from dynamic PET are rarely stored in clinics and difficult to obtain. In
addition, the direct reconstruction is time-consuming due to the bottleneck of
multiple-frame reconstruction. All of these impede the clinical adoption of
direct Patlak reconstruction.In this work, we proposed a data-driven framework
which maps the dynamic PET images to the high-quality motion-corrected direct
Patlak images through a convolutional neural network. For the patient motion
during the long period of dynamic PET scan, we combined the correction with the
backward/forward projection in direct reconstruction to better fit the
statistical model. Results based on fifteen clinical 18F-FDG dynamic brain PET
datasets demonstrates the superiority of the proposed framework over Gaussian,
nonlocal mean and BM4D denoising, regarding the image bias and
contrast-to-noise ratio.
- Abstract(参考訳): パトラクモデルは18F-FDGダイナミックポジトロン断層撮影(PET)において広く用いられており、推定パラメトリック画像は重要な生化学的および生理的情報を示す。
より優れたノイズモデリングと生のシノグラムから抽出された情報により、直接パトラク再構成は、動的PET画像のみを再構成する間接的アプローチよりも人気を得る。
直接Patlak法の前提条件として, 動的PETからの生データを臨床に保管することは稀であり, 入手が困難である。
また,マルチフレーム・リコンストラクションのボトルネックにより,直接復元には時間を要する。
本研究では, 動的PET画像から畳み込みニューラルネットワークを用いて, 高品質な運動補正型直接パトラク画像にマッピングする, データ駆動型フレームワークを提案する。
ダイナミックPETスキャンの長期における患者の動きについて, 後方投射と後方投射を併用して直接再建を行い, 統計モデルに適合した。
臨床18F-FDGダイナミック脳内PETデータセットを用いて,画像バイアスとコントラスト・ツー・ノイズ比に関して,ガウス平均,非局所平均,BM4Dよりも優れた傾向を示した。
関連論文リスト
- Diffusion Transformer Model With Compact Prior for Low-dose PET Reconstruction [7.320877150436869]
低線量PET画像の再構成品質を高めるために,JCP(Joint compact prior)により導かれる拡散変圧器モデルを提案する。
DTMは拡散モデルの強力な分布マッピング能力と変圧器の容量を組み合わせて長距離依存を捉える。
本手法は放射線曝露リスクを軽減するだけでなく,早期診断や患者管理のためのPETイメージングツールも提供する。
論文 参考訳(メタデータ) (2024-07-01T03:54:43Z) - Score-Based Generative Models for PET Image Reconstruction [38.72868748574543]
本稿では,PETによるスコアベース生成モデルの適応について提案する。
提案するフレームワークは, 2D PET と 3D PET の両方に対して開発された。
また,磁気共鳴画像を用いたガイド再構成の拡張も提供する。
論文 参考訳(メタデータ) (2023-08-27T19:43:43Z) - Contrastive Diffusion Model with Auxiliary Guidance for Coarse-to-Fine
PET Reconstruction [62.29541106695824]
本稿では, 粗い予測モジュール (CPM) と反復的修正モジュール (IRM) から構成される粗大なPET再構成フレームワークを提案する。
計算オーバーヘッドの大部分をCPMに委譲することで,本手法のサンプリング速度を大幅に向上させることができる。
2つの追加戦略、すなわち補助的な誘導戦略と対照的な拡散戦略が提案され、再構築プロセスに統合される。
論文 参考訳(メタデータ) (2023-08-20T04:10:36Z) - OADAT: Experimental and Synthetic Clinical Optoacoustic Data for
Standardized Image Processing [62.993663757843464]
オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。
OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。
臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
論文 参考訳(メタデータ) (2022-06-17T08:11:26Z) - A Long Short-term Memory Based Recurrent Neural Network for
Interventional MRI Reconstruction [50.1787181309337]
本稿では,畳み込み長短期記憶(Conv-LSTM)に基づくリカレントニューラルネットワーク(Recurrent Neural Network, RNN)を提案する。
提案アルゴリズムは,DBSのリアルタイムi-MRIを実現する可能性があり,汎用的なMR誘導介入に使用できる。
論文 参考訳(メタデータ) (2022-03-28T14:03:45Z) - Anatomical-Guided Attention Enhances Unsupervised PET Image Denoising
Performance [0.0]
解剖学的情報誘導型注意機構に基づく教師なし3次元PET画像復調手法を提案する。
MR-GDD(MR-GDD)はMR-Guidance画像の空間的詳細と意味的特徴をより効果的に活用する。
論文 参考訳(メタデータ) (2021-09-02T09:27:07Z) - Direct PET Image Reconstruction Incorporating Deep Image Prior and a
Forward Projection Model [0.0]
畳み込みニューラルネットワーク(CNN)は近年,PET画像再構成において顕著な性能を発揮している。
深層画像前処理を組み込んだ非教師なし直接PET画像再構成手法を提案する。
提案手法は,非教師なしPET画像再構成を実現するために,損失関数付き前方投影モデルを組み込んだ。
論文 参考訳(メタデータ) (2021-09-02T08:07:58Z) - A Deep Discontinuity-Preserving Image Registration Network [73.03885837923599]
ほとんどの深層学習に基づく登録法は、所望の変形場が全世界的に滑らかで連続的であると仮定する。
本稿では、より優れた登録性能とリアルな変形場を得るために、弱い教師付き深部不連続保存画像登録ネットワーク(DDIR)を提案する。
本研究では, 心臓磁気共鳴(MR)画像の登録実験において, 登録精度を大幅に向上し, より現実的な変形を予測できることを実証した。
論文 参考訳(メタデータ) (2021-07-09T13:35:59Z) - Direct Reconstruction of Linear Parametric Images from Dynamic PET Using
Nonlocal Deep Image Prior [13.747210115485487]
PETシングラムからパラメトリック画像を直接推定する直接再構成法が開発されている。
受信回数が限られているため、信号対雑音比(SNR)と直接再構成フレームワークによって生成されたパラメトリック画像の解像度は依然として限られている。
近年,多数の高品質なトレーニングラベルが利用可能である場合に,医用画像復調・復調に教師付き深層学習法がうまく応用されている。
論文 参考訳(メタデータ) (2021-06-18T21:30:22Z) - Tattoo tomography: Freehand 3D photoacoustic image reconstruction with
an optical pattern [49.240017254888336]
光音響トモグラフィ(PAT)は、形態学的および機能的組織特性の両方を解決することができる新しいイメージング技術である。
現在の欠点は、従来の2Dプローブによって提供される視野の制限である。
本研究では,外部追跡システムを必要としないPATデータの3次元再構成手法を提案する。
論文 参考訳(メタデータ) (2020-11-10T09:27:56Z) - Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。
患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。
本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
論文 参考訳(メタデータ) (2020-06-18T09:49:11Z)
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。