論文の概要: Noise Reduction to Compute Tissue Mineral Density and Trabecular Bone
Volume Fraction from Low Resolution QCT
- arxiv url: http://arxiv.org/abs/2011.02382v1
- Date: Wed, 4 Nov 2020 16:17:24 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-29 22:59:33.342957
- Title: Noise Reduction to Compute Tissue Mineral Density and Trabecular Bone
Volume Fraction from Low Resolution QCT
- Title(参考訳): 低分解能qctから組織ミネラル密度と骨量率を計算するためのノイズ低減法
- Authors: Felix Thomsen and Jos\'e M. Fuertes Garc\'ia and Manuel Lucena and
Juan Pisula and Rodrigo de Luis Garc\'ia and Jan Broggrefe and Claudio
Delrieux
- Abstract要約: 本稿では,QCT(Quantical Computed Tomography)ノイズ低減のための,特定の損失関数を持つ3次元ニューラルネットワークを提案する。
組織ミネラル密度 (TMD) や骨量比 (BV/TV) などの微細構造パラメータを、ノイズ低減フィルタや標準ノイズ低減フィルタよりもはるかに高精度に計算する。
- 参考スコア(独自算出の注目度): 0.31666540219908274
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose a 3D neural network with specific loss functions for quantitative
computed tomography (QCT) noise reduction to compute micro-structural
parameters such as tissue mineral density (TMD) and bone volume ratio (BV/TV)
with significantly higher accuracy than using no or standard noise reduction
filters. The vertebra-phantom study contained high resolution peripheral and
clinical CT scans with simulated in vivo CT noise and nine repetitions of three
different tube currents (100, 250 and 360 mAs). Five-fold cross validation was
performed on 20466 purely spongy pairs of noisy and ground-truth patches.
Comparison of training and test errors revealed high robustness against
over-fitting. While not showing effects for the assessment of BMD and
voxel-wise densities, the filter improved thoroughly the computation of TMD and
BV/TV with respect to the unfiltered data. Root-mean-square and accuracy errors
of low resolution TMD and BV/TV decreased to less than 17% of the initial
values. Furthermore filtered low resolution scans revealed still more TMD- and
BV/TV-relevant information than high resolution CT scans, either unfiltered or
filtered with two state-of-the-art standard denoising methods. The proposed
architecture is threshold and rotational invariant, applicable on a wide range
of image resolutions at once, and likely serves for an accurate computation of
further micro-structural parameters. Furthermore, it is less prone for
over-fitting than neural networks that compute structural parameters directly.
In conclusion, the method is potentially important for the diagnosis of
osteoporosis and other bone diseases since it allows to assess relevant 3D
micro-structural information from standard low exposure CT protocols such as
100 mAs and 120 kVp.
- Abstract(参考訳): 組織ミネラル密度(tmd)や骨容積比(bv/tv)などの微構造パラメータを、noや標準ノイズ低減フィルタを用いた場合よりも高い精度で計算するために、定量的ct(qct)ノイズ低減のための特定の損失関数を有する3次元ニューラルネットワークを提案する。
椎体ファントム研究は、高分解能の末梢および臨床CTスキャンと、生体内CTノイズと3種類の管電流(100, 250, 360 mA)の9回の繰り返しを含む。
20466個の純発振性パッチと接地トラスパッチで5倍のクロス検証を行った。
トレーニングとテストエラーの比較により,オーバーフィッティングに対する高いロバスト性が示された。
BMDとボクセルの密度の評価には効果を示しなかったが、フィルタは未フィルタリングデータに対するTMDとBV/TVの計算を徹底的に改善した。
低分解能TMDとBV/TVのルート平均二乗誤差は初期値の17%以下に低下した。
さらに、フィルタリングされた低分解能スキャンでは、高分解能CTスキャンよりもTMDおよびBV/TV関連情報が多く、非濾過または2つの最先端標準復調法でフィルタリングされた。
提案したアーキテクチャはしきい値と回転不変量であり、幅広い画像解像度に適用可能であり、さらなる微細構造パラメータの正確な計算に役立つ可能性が高い。
さらに、構造パラメータを直接計算するニューラルネットワークよりも、過度に適合する傾向が低い。
結論として,100mAs,120kVpなどの標準低露光CTプロトコルから3次元微細構造情報を評価できるため,骨粗しょう症などの骨疾患の診断に有用である可能性が示唆された。
関連論文リスト
- Cycle-Constrained Adversarial Denoising Convolutional Network for PET Image Denoising: Multi-Dimensional Validation on Large Datasets with Reader Study and Real Low-Dose Data [9.160782425067712]
低線量スキャンから高画質画像を再構成するためのCycle-DCN(Cycle-versa Adrial Denoising Convolutional Network)を提案する。
1,224名の患者から得られた生のPET脳データからなる大規模なデータセットを用いて実験を行った。
サイクルDCNは平均ピーク信号対雑音比(PSNR)、SSIM、正規化ルート平均角誤差(NRMSE)を3つの線量レベルで改善する。
論文 参考訳(メタデータ) (2024-10-31T04:34:28Z) - A Unified Model for Compressed Sensing MRI Across Undersampling Patterns [69.19631302047569]
ディープニューラルネットワークは、アンダーサンプル計測から高忠実度画像を再構成する大きな可能性を示している。
我々のモデルは、離散化に依存しないアーキテクチャであるニューラル演算子に基づいている。
我々の推論速度は拡散法よりも1,400倍速い。
論文 参考訳(メタデータ) (2024-10-05T20:03:57Z) - 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) - Denoising of 3D MR images using a voxel-wise hybrid residual MLP-CNN
model to improve small lesion diagnostic confidence [4.636940840535911]
MRI画像の小さな病変は、多くの疾患の臨床的診断に不可欠である。
MRIの画質は様々なノイズによって容易に劣化し、小病変の診断精度に大きな影響を及ぼす可能性がある。
そこで本研究では,小病変の3次元MR像を呈示するボクセルワイドハイブリッド残差CNNモデルを提案する。
論文 参考訳(メタデータ) (2022-09-28T03:54:56Z) - Ultra Low-Parameter Denoising: Trainable Bilateral Filter Layers in
Computed Tomography [7.405782253585339]
本研究は,両側フィルタリングの考え方に基づくオープンソースのCT復号化フレームワークを提案する。
本稿では、深層学習パイプラインに組み込むことができ、純粋にデータ駆動方式で最適化できる二元フィルタを提案する。
X線顕微鏡による骨データ(0.7053と33.10)と、SSIMとPSNRによる2016 Low Dose CT Grand Challengeデータセット(0.9674と43.07)のデノイング性能が達成されている。
論文 参考訳(メタデータ) (2022-01-25T14:33:56Z) - Effect of Input Size on the Classification of Lung Nodules Using
Convolutional Neural Networks [0.12891210250935145]
低用量CTによる肺がん検診は,従来の胸部X線撮影と比較して肺がん死亡率を20%低下させる。
コンピュータ支援検出システム(CAD)は,CTスキャンのスライス数を最大600にし,高速かつ高精度なデータ評価に極めて重要である。
本研究では, 畳み込みニューラルネットワーク(CNN)を用いてCT肺検診を解析し, 偽陽性を減少させる枠組みを提案する。
論文 参考訳(メタデータ) (2021-07-11T16:52:30Z) - Controlling False Positive/Negative Rates for Deep-Learning-Based
Prostate Cancer Detection on Multiparametric MR images [58.85481248101611]
そこで本研究では,病変からスライスまでのマッピング機能に基づく,病変レベルのコスト感受性損失と付加的なスライスレベルの損失を組み込んだ新しいPCa検出ネットワークを提案する。
1) 病変レベルFNRを0.19から0.10に, 病変レベルFPRを1.03から0.66に減らした。
論文 参考訳(メタデータ) (2021-06-04T09:51:27Z) - Towards Ultrafast MRI via Extreme k-Space Undersampling and
Superresolution [65.25508348574974]
我々は、オリジナルのfastMRIチャレンジを参照するすべての公開論文によって報告されたMRI加速係数を下回る。
低解像を補うための強力な深層学習に基づく画像強化手法を検討する。
復元された画像の品質は他の方法よりも高く、MSEは0.00114、PSNRは29.6 dB、SSIMは0.956 x16加速係数である。
論文 参考訳(メタデータ) (2021-03-04T10:45:01Z) - M3Lung-Sys: A Deep Learning System for Multi-Class Lung Pneumonia
Screening from CT Imaging [85.00066186644466]
マルチタスク型マルチスライス深層学習システム(M3Lung-Sys)を提案する。
COVID-19とHealthy, H1N1, CAPとの鑑別に加えて, M3 Lung-Sysも関連病変の部位を特定できる。
論文 参考訳(メタデータ) (2020-10-07T06:22:24Z) - Using a Generative Adversarial Network for CT Normalization and its
Impact on Radiomic Features [3.4548443472506194]
放射線学的特徴は、線量レベルとスライス厚さの違いによる取得の違いに敏感である。
減線量,厚みスライス (2.0mm) 画像を正常線量 (100%) , 薄いスライス (1.0mm) 画像に正規化するために, GAN (3D Generative Adversarial Network) を用いた。
論文 参考訳(メタデータ) (2020-01-22T23:41:29Z)
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。