論文の概要: A Machine-learning Based Initialization for Joint Statistical Iterative Dual-energy CT with Application to Proton Therapy

• arxiv url: http://arxiv.org/abs/2108.00109v1
• Date: Fri, 30 Jul 2021 23:49:22 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-05 05:45:26.281154
• Title: A Machine-learning Based Initialization for Joint Statistical Iterative Dual-energy CT with Application to Proton Therapy
• Title（参考訳）: 統合統計的反復型デュアルエネルギーCTの初期化とプロトン療法への応用
• Authors: Tao Ge, Maria Medrano, Rui Liao, David G. Politte, Jeffrey F. Williamson, Joseph A. O'Sullivan
• Abstract要約: CNNに基づくシミュレーション手法を導入し,反復アルゴリズムの計算時間を短縮する。 本手法は, 脂肪, ファントム扁桃, 筋肉組織に対する評価精度を大幅に向上させるとともに, 鑑別画像を生成する。
• 参考スコア（独自算出の注目度）: 9.887533541077193
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Dual-energy CT (DECT) has been widely investigated to generate more informative and more accurate images in the past decades. For example, Dual-Energy Alternating Minimization (DEAM) algorithm achieves sub-percentage uncertainty in estimating proton stopping-power mappings from experimental 3-mm collimated phantom data. However, elapsed time of iterative DECT algorithms is not clinically acceptable, due to their low convergence rate and the tremendous geometry of modern helical CT scanners. A CNN-based initialization method is introduced to reduce the computational time of iterative DECT algorithms. DEAM is used as an example of iterative DECT algorithms in this work. The simulation results show that our method generates denoised images with greatly improved estimation accuracy for adipose, tonsils, and muscle tissue. Also, it reduces elapsed time by approximately 5-fold for DEAM to reach the same objective function value for both simulated and real data.
• Abstract（参考訳）: デュアルエネルギーCT(DECT)は、過去数十年間、より情報的で正確な画像を生成するために広く研究されてきた。 例えば、Dual-Energy Alternating Minimization (DEAM)アルゴリズムは、実験3mmコリメートファントムデータから陽子停止パワーマッピングを推定する際のサブパーセンテージの不確実性を実現する。 しかし, 反復DECTアルゴリズムの経過時間は, 収束速度が低く, ヘリカルCTスキャナーの異常な形状のため, 臨床的には受け入れられない。 CNNに基づく初期化手法を導入し、反復DECTアルゴリズムの計算時間を短縮する。 DEAMは、この研究における反復DECTアルゴリズムの例である。 本手法は, 脂肪, 扁桃, 筋肉組織に対する評価精度を大幅に向上させ, 鑑別画像を生成する。 また、DEAMの経過時間を約5倍に短縮し、シミュレーションデータと実データの両方で同じ目的関数値に達する。

関連論文リスト

• AC-IND: Sparse CT reconstruction based on attenuation coefficient estimation and implicit neural distribution [12.503822675024054]
  CTは産業用非破壊検査や診断において重要な役割を担っている。 スパースビューCT再構成は,少数のプロジェクションのみを使用しながら,高品質なCT像を再構成することを目的としている。 本稿では,減衰係数推定と入射ニューラル分布に基づく自己教師型手法であるAC-INDを紹介する。
  論文  参考訳（メタデータ） (2024-09-11T10:34:41Z)
• ACCELERATION: Sequentially-scanning DECT Imaging Using High Temporal Resolution Image Reconstruction And Temporal Extrapolation [4.422359420728541]
  臨床対象検診から得られた数値シミュレーションデータセットを用いて,アクセレーションの有効性を検証・評価した。 その結果, ヨウ素定量精度はACCELERATIONにより向上した。
  論文  参考訳（メタデータ） (2024-08-12T14:03:17Z)
• MB-DECTNet: A Model-Based Unrolled Network for Accurate 3D DECT Reconstruction [8.142703665697098]
  エンド・ツー・エンドでトレーニング可能な3次元再構成のための深層学習モデルに基づくアンロールネットワークを提案する。 提案するネットワークは,多数の反復アルゴリズムと組み合わせることができるが,その性能を両エネルギー交互最小化(DEAM)を用いて実証する。 定量的結果から,MB-DECTNetは従来の統計アルゴリズムよりも精度良く減衰係数を推定できるが,計算コストははるかに低い可能性が示唆された。
  論文  参考訳（メタデータ） (2023-02-01T16:51:56Z)
• A Stable, Fast, and Fully Automatic Learning Algorithm for Predictive Coding Networks [65.34977803841007]
  予測符号化ネットワークは、ベイズ統計学と神経科学の両方にルーツを持つ神経科学にインスパイアされたモデルである。 シナプス重みに対する更新規則の時間的スケジュールを変更するだけで、元の規則よりもずっと効率的で安定したアルゴリズムが得られることを示す。
  論文  参考訳（メタデータ） (2022-11-16T00:11:04Z)
• Highly accurate quantum optimization algorithm for CT image reconstructions based on sinogram patterns [0.0]
  我々は,CT画像の再構成のための新しい量子アルゴリズムを提案する。 この新しいアルゴリズムはコーンビームCT画像再構成にも利用できる。
  論文  参考訳（メタデータ） (2022-07-06T05:34:57Z)
• Multi-Channel Convolutional Analysis Operator Learning for Dual-Energy CT Reconstruction [108.06731611196291]
  我々は,多チャンネル畳み込み解析演算子学習法(MCAOL)を開発した。 本研究では,低エネルギー,高エネルギーで減衰画像を共同で再構成する最適化手法を提案する。
  論文  参考訳（メタデータ） (2022-03-10T14:22:54Z)
• DriPP: Driven Point Processes to Model Stimuli Induced Patterns in M/EEG Signals [62.997667081978825]
  我々はDriPPと呼ばれる新しい統計点過程モデルを開発する。 我々は、このモデルのパラメータを推定するために、高速で原理化された予測最大化(EM)アルゴリズムを導出する。 標準MEGデータセットの結果から,我々の手法が事象関連ニューラルレスポンスを明らかにすることが示された。
  論文  参考訳（メタデータ） (2021-12-08T13:07:21Z)
• Regularization by Denoising Sub-sampled Newton Method for Spectral CT Multi-Material Decomposition [78.37855832568569]
  スペクトルctを用いたマルチマテリアル画像再構成のためのモデルベース最大後課題の解決法を提案する。 特に,プラグイン画像復号化機能に基づく正規化最適化問題について提案する。 スペクトルct材料分解の数値的および実験的結果を示す。
  論文  参考訳（メタデータ） (2021-03-25T15:20:10Z)
• Interpolation of CT Projections by Exploiting Their Self-Similarity and Smoothness [6.891238879512674]
  提案アルゴリズムは, シングラムの自己相似性と滑らか性を利用する。 シミュレーションおよび実ctデータを用いた実験により,提案アルゴリズムを用いたシンノグラムにより,再構成画像の品質が大幅に向上することが示された。
  論文  参考訳（メタデータ） (2021-03-05T22:41:25Z)
• Learned Block Iterative Shrinkage Thresholding Algorithm for Photothermal Super Resolution Imaging [52.42007686600479]
  深層ニューラルネットワークに展開する反復アルゴリズムを用いて,学習したブロックスパース最適化手法を提案する。 本稿では、正規化パラメータの選択を学ぶことができる学習ブロック反復収縮しきい値アルゴリズムを使用することの利点を示す。
  論文  参考訳（メタデータ） (2020-12-07T09:27:16Z)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)

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。