論文の概要: Real-Time Limited-View CT Inpainting and Reconstruction with Dual Domain
Based on Spatial Information
- arxiv url: http://arxiv.org/abs/2101.07594v1
- Date: Tue, 19 Jan 2021 12:42:58 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-23 04:02:35.428137
- Title: Real-Time Limited-View CT Inpainting and Reconstruction with Dual Domain
Based on Spatial Information
- Title(参考訳): 空間情報に基づくデュアルドメインによるリアルタイムリミテッドビューctインペインティングと再構成
- Authors: Ken Deng, Chang Sun, Yitong Liu, Hongwen Yang
- Abstract要約: 本研究では,空間情報に基づく有限視点ct画像品質を上昇させる,深層学習に基づく3段階アルゴリズムを提案する。
実験では, 後方3分の1を切断したRadonデータを復元, 復元し, 40.209のPSNR, 0.943のSSIMを実現し, テクスチャを正確に提示する。
- 参考スコア(独自算出の注目度): 6.8438089867929905
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Low-dose Computed Tomography is a common issue in reality. Current reduction,
sparse sampling and limited-view scanning can all cause it. Between them,
limited-view CT is general in the industry due to inevitable mechanical and
physical limitation. However, limited-view CT can cause serious imaging problem
on account of its massive information loss. Thus, we should effectively utilize
the scant prior information to perform completion. It is an undeniable fact
that CT imaging slices are extremely dense, which leads to high continuity
between successive images. We realized that fully exploit the spatial
correlation between consecutive frames can significantly improve restoration
results in video inpainting. Inspired by this, we propose a deep learning-based
three-stage algorithm that hoist limited-view CT imaging quality based on
spatial information. In stage one, to better utilize prior information in the
Radon domain, we design an adversarial autoencoder to complement the Radon
data. In the second stage, a model is built to perform inpainting based on
spatial continuity in the image domain. At this point, we have roughly restored
the imaging, while its texture still needs to be finely repaired. Hence, we
propose a model to accurately restore the image in stage three, and finally
achieve an ideal inpainting result. In addition, we adopt FBP instead of
SART-TV to make our algorithm more suitable for real-time use. In the
experiment, we restore and reconstruct the Radon data that has been cut the
rear one-third part, they achieve PSNR of 40.209, SSIM of 0.943, while
precisely present the texture.
- Abstract(参考訳): 低線量CTは現実の一般的な問題である。
現在の削減、スパースサンプリング、限定的なビュースキャンがすべて原因です。
それらの間には、機械的・物理的制限が避けられないため、業界ではリミテッドビューCTが一般的である。
しかし, 限られた視野CTは, 膨大な情報損失を考慮し, 深刻な画像障害を引き起こす可能性がある。
したがって、スキャン済みの事前情報を有効活用して完了させる。
CT画像スライスは非常に密度が高く、連続した画像間の連続性が高いことは、否定できない事実である。
その結果,連続フレーム間の空間相関を十分に活用することで,映像インパインティングにおける復元結果を大幅に改善できることがわかった。
そこで本研究では,空間情報に基づく限定視点CT画像品質を向上する深層学習に基づく3段階アルゴリズムを提案する。
ステージ1では、Radonドメインの事前情報をよりよく活用するために、Radonデータを補完する対向オートエンコーダを設計する。
第2段階では、画像領域の空間連続性に基づくインペインティングを行うためのモデルが構築される。
この時点では、画像は概ね復元されているが、テクスチャはいまだに細かく修復する必要がある。
そこで我々は,ステージ3の画像を正確に復元するモデルを提案し,最終的に理想的な塗装結果を得る。
さらに,SART-TVの代わりにFBPを採用し,リアルタイム利用に適したアルゴリズムを提案する。
実験では, 後方3分の1を切断したRadonデータを復元, 復元し, 40.209のPSNR, 0.943のSSIMを実現し, テクスチャを正確に提示する。
関連論文リスト
- CoCPF: Coordinate-based Continuous Projection Field for Ill-Posed Inverse Problem in Imaging [78.734927709231]
スパース・ビュー・コンピュート・トモグラフィー(SVCT)の再構成は,スパース・サンプリングによるCT画像の取得を目的としている。
暗黙的な神経表現(INR)技術は、不備のため、その分野に「かなりの穴」(すなわち、未モデル化空間)を残し、準最適結果をもたらす可能性がある。
SVCT再構成のためのホールフリー表現場を構築することを目的としたコーディネート型連続射影場(CoCPF)を提案する。
論文 参考訳(メタデータ) (2024-06-21T08:38:30Z) - SdCT-GAN: Reconstructing CT from Biplanar X-Rays with Self-driven
Generative Adversarial Networks [6.624839896733912]
本稿では,3次元CT画像の再構成のための自己駆動型生成対向ネットワークモデル(SdCT-GAN)を提案する。
識別器に新しいオートエンコーダ構造を導入することにより、画像の詳細により多くの注意を払っている。
LPIPS評価基準は,既存画像よりも微細な輪郭やテクスチャを定量的に評価できる。
論文 参考訳(メタデータ) (2023-09-10T08:16:02Z) - Multi-View Vertebra Localization and Identification from CT Images [57.56509107412658]
我々は,CT画像からの多視点椎体局在と同定を提案する。
本研究では,3次元問題を異なる視点における2次元局所化および識別タスクに変換する。
本手法は,多視点グローバル情報を自然に学習することができる。
論文 参考訳(メタデータ) (2023-07-24T14:43:07Z) - Geometry-Aware Attenuation Learning for Sparse-View CBCT Reconstruction [53.93674177236367]
Cone Beam Computed Tomography (CBCT) は臨床画像撮影において重要な役割を担っている。
従来の方法では、高品質な3D CBCT画像の再構成には数百の2次元X線投影が必要である。
これにより、放射線線量を減らすため、スパースビューCBCT再構成への関心が高まっている。
本稿では,この問題を解決するために,新しい幾何対応エンコーダデコーダフレームワークを提案する。
論文 参考訳(メタデータ) (2023-03-26T14:38:42Z) - CompNVS: Novel View Synthesis with Scene Completion [83.19663671794596]
本稿では,スパースグリッドに基づくニューラルシーン表現を用いた生成パイプラインを提案する。
画像特徴を3次元空間に符号化し、幾何学的完備化ネットワークとその後のテクスチャ塗布ネットワークを用いて、欠落した領域を外挿する。
フォトリアリスティック画像列は、整合性関連微分可能レンダリングによって最終的に得られる。
論文 参考訳(メタデータ) (2022-07-23T09:03:13Z) - Fluid registration between lung CT and stationary chest tomosynthesis
images [23.239722016943794]
計測された投影とデジタル再構成されたラジオグラフに基づいて3次元変形を推定する3D/2D登録手法を定式化する。
我々は,CTと静止胸部トモシンセシス(sDCT)画像の登録に対するアプローチを実証し,それが反復的画像再構成アプローチにどのように自然に導かれるかを示した。
論文 参考訳(メタデータ) (2022-03-06T21:51:49Z) - A Lightweight Dual-Domain Attention Framework for Sparse-View CT
Reconstruction [6.553233856627479]
我々はCAGANと呼ばれる新しい軽量ネットワークを設計し、並列ビームスパースCTのための二重領域再構成パイプラインを提案する。
Shuffle Blocksの適用により、パフォーマンスを犠牲にすることなく、パラメータを4分の1削減できる。
実験の結果、CAGANはモデルの複雑さとパフォーマンスのバランスが良く、私たちのパイプラインはDD-NetとDuDoNetより優れています。
論文 参考訳(メタデータ) (2022-02-19T14:04:59Z) - DuDoTrans: Dual-Domain Transformer Provides More Attention for Sinogram
Restoration in Sparse-View CT Reconstruction [13.358197688568463]
撮像過程におけるヨウ素の放射線は 不可逆的な損傷を引き起こす
スパースビューCT画像に現れるアーティファクトを緩和する反復モデルが提案されているが,コストが高すぎる。
textbfDual-textbfDomain textbfDuDoTransを提案する。
論文 参考訳(メタデータ) (2021-11-21T10:41:07Z) - A model-guided deep network for limited-angle computed tomography [28.175533839713847]
まず,CT画像再構成のための変分モデルを提案し,そのモデルをエンドツーエンドのディープネットワークに変換する。
本ネットワークは, シングラムとCT画像の両方に対処し, 不完全データによるアーティファクトを同時に抑制することができる。
論文 参考訳(メタデータ) (2020-08-10T09:42:32Z) - Intrinsic Autoencoders for Joint Neural Rendering and Intrinsic Image
Decomposition [67.9464567157846]
合成3Dモデルからリアルな画像を生成するためのオートエンコーダを提案し,同時に実像を本質的な形状と外観特性に分解する。
実験により, レンダリングと分解の併用処理が有益であることが確認され, 画像から画像への翻訳の質的, 定量的なベースラインよりも優れた結果が得られた。
論文 参考訳(メタデータ) (2020-06-29T12:53:58Z) - Data Consistent CT Reconstruction from Insufficient Data with Learned
Prior Images [70.13735569016752]
偽陰性病変と偽陽性病変を呈示し,CT画像再構成における深層学習の堅牢性について検討した。
本稿では,圧縮センシングと深層学習の利点を組み合わせた画像品質向上のためのデータ一貫性再構築手法を提案する。
提案手法の有効性は,円錐ビームCTにおいて,トランキャットデータ,リミテッドアングルデータ,スパースビューデータで示される。
論文 参考訳(メタデータ) (2020-05-20T13:30:49Z)
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。