論文の概要: Direct Reconstruction of Linear Parametric Images from Dynamic PET Using
Nonlocal Deep Image Prior
- arxiv url: http://arxiv.org/abs/2106.10359v1
- Date: Fri, 18 Jun 2021 21:30:22 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-22 15:09:14.377331
- Title: Direct Reconstruction of Linear Parametric Images from Dynamic PET Using
Nonlocal Deep Image Prior
- Title（参考訳）: 非局所深部画像を用いた動的PETからの線形パラメトリック画像の直接再構成
- Authors: Kuang Gong, Ciprian Catana, Jinyi Qi and Quanzheng Li
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 13.747210115485487
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Direct reconstruction methods have been developed to estimate parametric
images directly from the measured PET sinograms by combining the PET imaging
model and tracer kinetics in an integrated framework. Due to limited counts
received, signal-to-noise-ratio (SNR) and resolution of parametric images
produced by direct reconstruction frameworks are still limited. Recently
supervised deep learning methods have been successfully applied to medical
imaging denoising/reconstruction when large number of high-quality training
labels are available. For static PET imaging, high-quality training labels can
be acquired by extending the scanning time. However, this is not feasible for
dynamic PET imaging, where the scanning time is already long enough. In this
work, we proposed an unsupervised deep learning framework for direct parametric
reconstruction from dynamic PET, which was tested on the Patlak model and the
relative equilibrium Logan model. The patient's anatomical prior image, which
is readily available from PET/CT or PET/MR scans, was supplied as the network
input to provide a manifold constraint, and also utilized to construct a kernel
layer to perform non-local feature denoising. The linear kinetic model was
embedded in the network structure as a 1x1 convolution layer. The training
objective function was based on the PET statistical model. Evaluations based on
dynamic datasets of 18F-FDG and 11C-PiB tracers show that the proposed
framework can outperform the traditional and the kernel method-based direct
reconstruction methods.
- Abstract（参考訳）: PET画像モデルとトレーサ運動学を統合フレームワークで組み合わせることで,測定したPETシングラムから直接パラメトリック画像を推定する直接再構成法を開発した。
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,高品位トレーニングラベルが多数用意されている医療画像診断において,教師付き深層学習法が有効である。
静的PETイメージングでは、走査時間を拡張して高品質なトレーニングラベルを取得することができる。
しかし、これは走査時間が十分長い動的PETイメージングでは実現不可能である。
本研究では,Patlakモデルと相対平衡ローガンモデルを用いて,動的PETから直接パラメトリック再構成を行うための教師なしディープラーニングフレームワークを提案する。
PET/CTやPET/MRスキャンから手軽に手に入る解剖学的前駆体像をネットワーク入力として提供し、多様体制約を提供し、カーネル層を構築して非局所的特徴認知を行う。
線形運動モデルはネットワーク構造に1x1畳み込み層として埋め込まれた。
訓練対象関数はPET統計モデルに基づいていた。
18f-fdgおよび11c-pibトレーサの動的データセットに基づく評価では,提案手法が従来法およびカーネル法に基づく直接再構成法を上回った。
関連論文リスト
- KFD-NeRF: Rethinking Dynamic NeRF with Kalman Filter [49.85369344101118]
KFD-NeRFは,Kalmanフィルタに基づく効率的かつ高品質な運動再構成フレームワークと統合された,新しい動的ニューラル放射場である。
我々のキーとなる考え方は、動的放射場を、観測と予測という2つの知識源に基づいて時間的に異なる状態が推定される動的システムとしてモデル化することである。
我々のKFD-NeRFは、同等の計算時間と最先端の視線合成性能で、徹底的な訓練を施した類似または優れた性能を示す。
論文 参考訳（メタデータ） (2024-07-18T05:48:24Z) - 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) - Self-Supervised Learning for Physiologically-Based Pharmacokinetic
Modeling in Dynamic PET [36.28565007063204]
Voxel-wise physiologically based of the Time Activity curves (TAC) は、臨床ワークフローに関連性のある診断情報を提供することができる。
本研究は、測定されたTACと学習された運動パラメータで生成されたものとの類似性を強制する自己教師付きPET損失定式化を導入する。
我々の知る限りでは、これは非線形の運動モデルと整合した運動パラメータのエルボックスワイズ計算を可能にする最初の自己教師ネットワークである。
論文 参考訳（メタデータ） (2023-05-17T21:08:02Z) - STPDnet: Spatial-temporal convolutional primal dual network for dynamic
PET image reconstruction [16.47493157003075]
動的PET画像再構成のための時空間畳み込みプライマリネットワーク(STPDnet)を提案する。
PETの物理投影は、ネットワークの反復学習プロセスに埋め込まれる。
実験の結果,提案手法は時間領域と空間領域の両方で大きなノイズを発生させることができることがわかった。
論文 参考訳（メタデータ） (2023-03-08T15:43:15Z) - Self-Supervised Pre-Training for Deep Image Prior-Based Robust PET Image
Denoising [0.5999777817331317]
ポジトロン・エミッション・トモグラフィ(PET)画像修復にDeep Image prior (DIP) が有効である。
DIPに基づくPET画像復調性能を改善するための自己教師付き事前学習モデルを提案する。
論文 参考訳（メタデータ） (2023-02-27T06:55:00Z) - 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) - Data-driven generation of plausible tissue geometries for realistic
photoacoustic image synthesis [53.65837038435433]
光音響トモグラフィ(pat)は形態的および機能的組織特性を回復する可能性がある。
我々は,PATデータシミュレーションの新たなアプローチを提案し,これを「シミュレーションの学習」と呼ぶ。
我々は、意味的注釈付き医療画像データに基づいて訓練されたGAN(Generative Adversarial Networks)の概念を活用して、可塑性組織ジオメトリを生成する。
論文 参考訳（メタデータ） (2021-03-29T11:30:18Z) - 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) - Clinically Translatable Direct Patlak Reconstruction from Dynamic PET
with Motion Correction Using Convolutional Neural Network [9.949523630885261]
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。
論文 参考訳（メタデータ） (2020-09-13T02:51:25Z) - 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) - Single-Image HDR Reconstruction by Learning to Reverse the Camera
Pipeline [100.5353614588565]
本稿では,LDR画像形成パイプラインの領域知識をモデルに組み込むことを提案する。
我々は,HDRto-LDR画像形成パイプラインを(1)ダイナミックレンジクリッピング,(2)カメラ応答関数からの非線形マッピング,(3)量子化としてモデル化する。
提案手法は,最先端の単一画像HDR再構成アルゴリズムに対して良好に動作することを示す。
論文 参考訳（メタデータ） (2020-04-02T17:59:04Z)
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。