Fugu-MT 論文翻訳(概要): Sinogram Denoise Based on Generative Adversarial Networks

論文の概要: Sinogram Denoise Based on Generative Adversarial Networks

arxiv url: http://arxiv.org/abs/2108.03903v1
Date: Mon, 9 Aug 2021 09:37:51 GMT
ステータス: 処理完了
システム内更新日: 2021-08-10 22:17:10.842967
Title: Sinogram Denoise Based on Generative Adversarial Networks
Title（参考訳）: 生成的対立ネットワークに基づくSinogram Denoise
Authors: Charalambos Chrysostomou
Abstract要約: SPECT画像の領域におけるGAN(Generative Adversarial Networks)に基づくシングラムデノイズの新しい手法を提案する。その結果, ノイズ予測最大化法 (OSEM) を用いて, ノイズ予測値の再構成を行い, 元のノイズ予測値の再構成と比較した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: A novel method for sinogram denoise based on Generative Adversarial Networks (GANs) in the field of SPECT imaging is presented. Projection data from software phantoms were used to train the proposed model. For evaluation of the efficacy of the method Shepp Logan based phantom, with various noise levels added where used. The resulting denoised sinograms are reconstructed using Ordered Subset Expectation Maximization (OSEM) and compared to the reconstructions of the original noised sinograms. As the results show, the proposed method significantly denoise the sinograms and significantly improves the reconstructions. Finally, to demonstrate the efficacy and capability of the proposed method results from real-world DAT-SPECT sinograms are presented.
Abstract（参考訳）: SPECT画像の領域におけるGAN(Generative Adversarial Networks)に基づくシングラムデノイズの新しい手法を提案する。提案したモデルのトレーニングには,ソフトウェアファントムからの投影データを使用した。 Shepp Logan をベースとしたファントム法の有効性を評価するため,様々なノイズレベルを付加した。結果として生じる分節化シンノグラムは、順序付き部分集合期待最大化(osem)を用いて再構成され、元のノイズ化シンノグラムの再構成と比較される。以上の結果から,提案手法はシンノグラムを著しく無声化し,復元を著しく改善した。最後に,実世界のDAT-SPECTシングラムを用いて提案手法の有効性と性能を示す。

関連論文リスト

DensePANet: An improved generative adversarial network for photoacoustic tomography image reconstruction from sparse data [1.4665304971699265]
スパースデータからのPAT画像再構成の問題を解決するために,DensePANetと呼ばれるエンドツーエンドの手法を提案する。提案したモデルは、FD-UNet++と呼ばれるジェネレータにUNetを改良し、再構成性能を大幅に改善する。
論文参考訳（メタデータ） (2024-04-19T09:52:32Z)
SAR Despeckling using a Denoising Diffusion Probabilistic Model [52.25981472415249]
スペックルの存在は画像品質を劣化させ、SAR画像理解アプリケーションの性能に悪影響を及ぼす。本稿では,SAR脱種のための拡散確率モデルであるSAR-DDPMを紹介する。提案手法は, 最先端の切り離し法と比較して, 定量化と定性化の両面で有意な改善を実現している。
論文参考訳（メタデータ） (2022-06-09T14:00:26Z)
Harmonizing Pathological and Normal Pixels for Pseudo-healthy Synthesis [68.5287824124996]
そこで本研究では,新しいタイプの識別器であるセグメンタを提案し,病変の正確な特定と擬似健康画像の視覚的品質の向上を図っている。医用画像強調に生成画像を適用し,低コントラスト問題に対処するために拡張結果を利用する。 BraTSのT2モダリティに関する総合的な実験により、提案手法は最先端の手法よりも大幅に優れていることが示された。
論文参考訳（メタデータ） (2022-03-29T08:41:17Z)
A Data-Driven Reconstruction Technique based on Newton's Method for Emission Tomography [1.2209547858269227]
DNR-NetはSPECTファントムシミュレーションのデータを用いて高品質な画像再構成を行うことができる。 DNR-Netは、高コントラストと低ノイズを特徴とするOSEMに匹敵する再構成を生成する。
論文参考訳（メタデータ） (2021-10-19T14:54:34Z)
Deep Convolutional Neural Network for Low Projection SPECT Imaging Reconstruction [0.0]
SPECT画像の投影回数が少ない新しい断層画像再構成法を提案する。深層畳み込みニューラルネットワーク(Deep Convolutional Neural Network, CNN)が, 新たな再構成手法として採用されている。
論文参考訳（メタデータ） (2021-08-09T09:30:45Z)
SPECT Angle Interpolation Based on Deep Learning Methodologies [0.0]
深層学習手法に基づく新しいSPECTアングル法を提案する。提案したモデルのトレーニングには,ソフトウェアファントムからの投影データを使用した。本手法の有効性を評価するため, 各種ノイズレベルを付加したシェップローガンに基づくファントムを用いた。得られた補間されたシングラムは、順序付きサブセット期待最大化(OSEM)を用いて再構成され、元のシングラムの再構成と比較される。
論文参考訳（メタデータ） (2021-08-09T09:19:51Z)
Deep Gaussian Scale Mixture Prior for Spectral Compressive Imaging [48.34565372026196]
本稿では,ポストリア(MAP)推定フレームワークに基づく新しいHSI再構成手法を提案する。また,深層畳み込みニューラルネットワーク(DCNN)によるGSMモデルの局所平均の推定も提案する。
論文参考訳（メタデータ） (2021-03-12T08:57:06Z)
Progressive Spatio-Temporal Graph Convolutional Network for Skeleton-Based Human Action Recognition [97.14064057840089]
本稿では,グラフ畳み込みネットワークのためのコンパクトで問題固有のネットワークを,段階的に自動的に見つける手法を提案する。骨格に基づく人体行動認識のための2つのデータセットの実験結果から,提案手法は競争力あるいはより優れた分類性能を有することが示された。
論文参考訳（メタデータ） (2020-11-11T09:57:49Z)
Limited View Tomographic Reconstruction Using a Deep Recurrent Framework with Residual Dense Spatial-Channel Attention Network and Sinogram Consistency [25.16002539710169]
本稿では,同じブロックを複数回積み重ねる新しい繰り返し再構成フレームワークを提案する。本研究では, 再帰的なブロックの中間出力のシングラムと一致するように, リカレント・フレームワークにインターリーブされたシングラム整合層を構築した。本アルゴリズムは, 狭角化と狭角化の両面において, 既存の最先端のニューラル手法よりも一貫した, 顕著な改善を実現している。
論文参考訳（メタデータ） (2020-09-03T16:39:48Z)
Learning Noise-Aware Encoder-Decoder from Noisy Labels by Alternating Back-Propagation for Saliency Detection [54.98042023365694]
本稿では,ノイズを考慮したエンコーダ・デコーダ・フレームワークを提案する。提案モデルはニューラルネットワークによってパラメータ化された2つのサブモデルから構成される。
論文参考訳（メタデータ） (2020-07-23T18:47:36Z)
On Noise Injection in Generative Adversarial Networks [85.51169466453646]
ノイズ注入は高忠実度画像の生成における重要な技術のひとつであることが証明されている。 GANにおけるノイズ注入の役割を理論的に解析するための幾何学的枠組みを提案する。
論文参考訳（メタデータ） (2020-06-10T15:24:48Z)

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。