論文の概要: X2CT-FLOW: Reconstruction of multiple volumetric chest computed
tomography images with different likelihoods from a uni- or biplanar chest
X-ray image using a flow-based generative model
- arxiv url: http://arxiv.org/abs/2104.04179v1
- Date: Fri, 9 Apr 2021 03:30:27 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-12 14:09:29.352672
- Title: X2CT-FLOW: Reconstruction of multiple volumetric chest computed
tomography images with different likelihoods from a uni- or biplanar chest
X-ray image using a flow-based generative model
- Title（参考訳）: x2ct-flow:flow-based generative modelを用いた一平面胸部x線画像からの多変量胸部ct画像の再構成
- Authors: Hisaichi Shibata, Shouhei Hanaoka, Yukihiro Nomura, Takahiro Nakao,
Tomomi Takenaga, Naoto Hayashi, Osamu Abe
- Abstract要約: 胸部X線(CXR)画像からCT画像を再構成するためのX2CT-FLOWを提案します。
再構成された胸部CT画像は、各平面に投影された各画像が各入力DRRまたはCXR画像と一致する条件を満たす。
X2CT-FLOWは、実際の一平面CXR画像から複数の胸部CT画像を再構成できます。
- 参考スコア（独自算出の注目度）: 1.5833270109954134
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose X2CT-FLOW for the reconstruction of volumetric chest computed
tomography (CT) images from uni- or biplanar digitally reconstructed
radiographs (DRRs) or chest X-ray (CXR) images on the basis of a flow-based
deep generative (FDG) model. With the adoption of X2CT-FLOW, all the
reconstructed volumetric chest CT images satisfy the condition that each of
those projected onto each plane coincides with each input DRR or CXR image.
Moreover, X2CT-FLOW can reconstruct multiple volumetric chest CT images with
different likelihoods. The volumetric chest CT images reconstructed from
biplanar DRRs showed good agreement with ground truth images in terms of the
structural similarity index (0.931 on average). Moreover, we show that
X2CT-FLOW can actually reconstruct such multiple volumetric chest CT images
from DRRs. Finally, we demonstrate that X2CT-FLOW can reconstruct multiple
volumetric chest CT images from a real uniplanar CXR image.
- Abstract（参考訳）: 本研究では,フローベースディープジェネティブ(FDG)モデルに基づいて,一次元または二次元デジタル再構成ラジオグラフィ(DRR)または胸部X線(CXR)画像からCT画像の再構成を行うX2CT-FLOWを提案する。
X2CT-FLOWの導入により、再構成された胸部CT画像は、各平面に投影された各画像が各入力DRRまたはCXR画像と一致する条件を満たす。
さらに、X2CT-FLOWは、複数の胸部CT画像を異なる可能性で再構成することができる。
両平面drから再構成した胸部ct画像は, 構造的類似度指標 (0.931) において, 基底像と良好な一致を示した。
また,X2CT-FLOWはDRRから複数の胸部CT像を再構成できることを示した。
最後に、X2CT-FLOWは、実際の単平面CXR画像から複数の胸部CT画像を再構成できることを示す。
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) - CMRxRecon: An open cardiac MRI dataset for the competition of
accelerated image reconstruction [62.61209705638161]
ディープラーニングベースのCMRイメージングアルゴリズムへの関心が高まっている。
ディープラーニング手法は大規模なトレーニングデータセットを必要とする。
このデータセットには300人の被験者のマルチコントラスト、マルチビュー、マルチスライス、マルチコイルCMRイメージングデータが含まれている。
論文 参考訳（メタデータ） (2023-09-19T15:14:42Z) - CT Reconstruction from Few Planar X-rays with Application towards
Low-resource Radiotherapy [20.353246282326943]
先行データ分布を用いた5次元平面X線観測からCTボリュームを生成する手法を提案する。
臨床に関連のある特徴に焦点をあてるために,本モデルは訓練中に解剖学的指導を活用できる。
本手法は, 標準画素, 構造レベルの基準値から, 近年のスパースCT再建基準値よりも優れている。
論文 参考訳（メタデータ） (2023-08-04T01:17:57Z) - APRF: Anti-Aliasing Projection Representation Field for Inverse Problem
in Imaging [74.9262846410559]
Sparse-view Computed Tomography (SVCT) は画像の逆問題である。
近年の研究では、インプリシット・ニューラル・リ表現(INR)を用いて、シングラムとCT画像の座標に基づくマッピングを構築している。
自己教師型SVCT再構成法の提案 -抗エイリアス射影表現場(APRF)-
APRFは空間的制約によって隣接する投影ビュー間の連続的な表現を構築することができる。
論文 参考訳（メタデータ） (2023-07-11T14:04:12Z) - Accurate Fine-Grained Segmentation of Human Anatomy in Radiographs via
Volumetric Pseudo-Labeling [66.75096111651062]
我々は,10,021個の胸部CTと157個のラベルの大規模データセットを作成した。
解剖学的擬似ラベル抽出のために3次元解剖分類モデルのアンサンブルを適用した。
得られたセグメンテーションモデルはCXRで顕著な性能を示した。
論文 参考訳（メタデータ） (2023-06-06T18:01:08Z) - Transformers for CT Reconstruction From Monoplanar and Biplanar
Radiographs [0.11219061154635457]
両平面X線のみからのCT画像再構成の問題に対処する。
X線は広く利用されており、もしこれらのX線写真から再構成されたCTが、診断における完全なCTの代替ではないとしても、患者が放射線を免れるのに役立つかもしれない。
本稿では,言語翻訳問題として基礎となるタスクをフレーミングすることで,トランスフォーマーアーキテクチャに基づく新しい手法を提案する。
論文 参考訳（メタデータ） (2023-05-11T16:43:39Z) - Parallel Diffusion Model-based Sparse-view Cone-beam Breast CT [7.712142153700843]
我々は,切欠き拡散確率モデル(DDPM)を,サブボリュームベーススパースビュー胸部CT画像再構成のための並列フレームワークに変換する。
実験により, 本手法は, 標準放射線線量の半分から3分の1の競争再建性能を達成できることが判明した。
論文 参考訳（メタデータ） (2023-03-22T18:55:43Z) - Improving Computed Tomography (CT) Reconstruction via 3D Shape Induction [3.1498833540989413]
再現モデルのトレーニング中に現実的なX線分布を取り入れた新しい手法として,CTの監督なしに3次元CTの形状を学習する形状誘導法を提案する。
本研究は, 肺疾患におけるCTの知覚的品質と下流分類の精度を両立させることを実証した。
論文 参考訳（メタデータ） (2022-08-23T13:06:02Z) - REGAS: REspiratory-GAted Synthesis of Views for Multi-Phase CBCT
Reconstruction from a single 3D CBCT Acquisition [75.64791080418162]
REGASは、アンダーサンプドトモグラフィビューを合成し、再構成画像中のアーティファクトのエイリアスを緩和する自己教師手法を提案する。
高解像度4Dデータ上でのディープニューラルネットワークの大規模なメモリコストに対処するため、REGASは分散して微分可能なフォワードプロジェクションを可能にする新しいレイパス変換(RPT)を導入した。
論文 参考訳（メタデータ） (2022-08-17T03:42:19Z) - GAN-based disentanglement learning for chest X-ray rib suppression [12.158957925558296]
本稿では,リブ抑圧GAN(RSGAN)と呼ばれる,GANをベースとしたアンタングル学習フレームワークを提案する。
我々は,CXRと対応するリブ抑制結果の強度差を特徴付けるために残差写像を用いる。
我々は,1,673個のCTボリュームと4つのベンチマークCXRデータセットに基づいて,120K以上の画像を対象とした広範囲な実験を行った。
論文 参考訳（メタデータ） (2021-10-18T09:39:53Z) - XraySyn: Realistic View Synthesis From a Single Radiograph Through CT
Priors [118.27130593216096]
放射線写真は、X線を用いて患者の内部解剖を視覚化し、3D情報を2次元平面に投影する。
私たちの知る限りでは、ラジオグラフィビューの合成に関する最初の研究である。
本手法は,3次元空間におけるX線撮影の理解を得ることにより,地中骨ラベルを使わずに,X線撮影による骨抽出と骨抑制に応用できることが示唆された。
論文 参考訳（メタデータ） (2020-12-04T05:08:53Z)
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。