論文の概要: View-Consistent Metal Segmentation in the Projection Domain for Metal Artifact Reduction in CBCT -- An Investigation of Potential Improvement

• arxiv url: http://arxiv.org/abs/2112.02101v1
• Date: Fri, 3 Dec 2021 15:09:13 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-07 17:31:26.153064
• Title: View-Consistent Metal Segmentation in the Projection Domain for Metal Artifact Reduction in CBCT -- An Investigation of Potential Improvement
• Title（参考訳）: cbctにおける金属アーティファクト低減のための投影領域におけるビュー一貫性金属セグメンテーション--潜在的な改善の検討
• Authors: Tristan M. Gottschalk, Andreas Maier, Florian Kordon, Bj\"orn W. Kreher
• Abstract要約: 本発表では,セグメンテーションタスクを学習ベースでビュー一貫性のある2Dプロジェクションにシフトする可能性について検討する。 標準fsMARの結果と修正fsMARバージョンを比較し, シフト分割領域の影響について検討した。 再建後のFoVの外側に金属がある場合や、金属が消える場合については、人工物が大幅に減少することを示すことができる。
• 参考スコア（独自算出の注目度）: 5.3580471186206005
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The positive outcome of a trauma intervention depends on an intraoperative evaluation of inserted metallic implants. Due to occurring metal artifacts, the quality of this evaluation heavily depends on the performance of so-called Metal Artifact Reduction methods (MAR). The majority of these MAR methods require prior segmentation of the inserted metal objects. Therefore, typically a rather simple thresholding-based segmentation method in the reconstructed 3D volume is applied, despite some major disadvantages. With this publication, the potential of shifting the segmentation task to a learning-based, view-consistent 2D projection-based method on the downstream MAR's outcome is investigated. For segmenting the present metal, a rather simple learning-based 2D projection-wise segmentation network that is trained using real data acquired during cadaver studies, is examined. To overcome the disadvantages that come along with a 2D projection-wise segmentation, a Consistency Filter is proposed. The influence of the shifted segmentation domain is investigated by comparing the results of the standard fsMAR with a modified fsMAR version using the new segmentation masks. With a quantitative and qualitative evaluation on real cadaver data, the investigated approach showed an increased MAR performance and a high insensitivity against metal artifacts. For cases with metal outside the reconstruction's FoV or cases with vanishing metal, a significant reduction in artifacts could be shown. Thus, increases of up to roughly 3 dB w.r.t. the mean PSNR metric over all slices and up to 9 dB for single slices were achieved. The shown results reveal a beneficial influence of the shift to a 2D-based segmentation method on real data for downstream use with a MAR method, like the fsMAR.
• Abstract（参考訳）: 外傷的介入の陽性は、挿入された金属インプラントの術中評価に依存する。 金属人工物の発生により,この評価の質は,いわゆる金属人工物還元法(MAR)の性能に大きく依存する。 これらのMAR法の大部分は、挿入された金属オブジェクトの事前セグメンテーションを必要とする。 したがって,大きな欠点があるにもかかわらず,再構成3次元ボリュームにおける比較的単純なしきい値に基づくセグメンテーション手法を適用することが一般的である。 本発表では、下流MARの結果に対して、セグメンテーションタスクを学習ベースでビュー一貫性のある2次元投影方式に移行する可能性について検討する。 本研究で得られた実データを用いて学習を行う,比較的単純な2次元プロジェクション・アズ・セグメンテーションネットワークについて検討した。 2次元プロジェクションワイドセグメンテーションに伴う欠点を克服するために、一貫性フィルタを提案する。 新しいセグメンテーションマスクを用いて,fsmarの標準版とfsmar版の比較を行い,シフトセグメンテーションドメインの影響について検討した。 実測データに対する定量的・定性的評価により,mar性能が向上し,金属品に対する非感受性が高かった。 再建部のFoVの外側に金属がある場合や、金属が消える場合については、人工物が大幅に減少することを示すことができる。 これにより,全スライスの平均PSNR値は約3dB w.r.tとなり,1スライスで最大9dBとなった。 以上の結果から,fsMARなどのMAR手法を用いて,2次元分割法への移行が下流データに与える影響が示唆された。

関連論文リスト

• Unlocking the Potential of Early Epochs: Uncertainty-aware CT Metal Artifact Reduction [7.4965536794782945]
  CT(Computerd tomography)では、患者の金属インプラントの存在は、再建された画像に破壊的なアーティファクトをもたらすことが多い。 本稿では,初期トレーニング重量の復元結果から算出した不確実性画像が,高周波領域を効果的に強調することを発見した。 本稿では,MARネットワークを金属加工領域に集中させるために,不確実性画像を適応重みとして利用する不確実性制約(UC)損失を提案する。
  論文  参考訳（メタデータ） (2024-06-18T01:36:58Z)
• MARformer: An Efficient Metal Artifact Reduction Transformer for Dental CBCT Images [53.62335292022492]
  金属歯のインプラントはCBCTイメージングの過程で不愉快な金属加工物をもたらす可能性がある。 歯科用CBCT画像から金属アーティファクト低減(MAR)を実現するための効率的なトランスフォーマーを開発した。 P2FFN (Patch-wise Perceptive Feed Forward Network) も提案されている。
  論文  参考訳（メタデータ） (2023-11-16T06:02:03Z)
• RGB-based Category-level Object Pose Estimation via Decoupled Metric Scale Recovery [72.13154206106259]
  本研究では、6次元のポーズとサイズ推定を分離し、不完全なスケールが剛性変換に与える影響を緩和するパイプラインを提案する。 具体的には,事前学習した単分子推定器を用いて局所的な幾何学的情報を抽出する。 別個のブランチは、カテゴリレベルの統計に基づいてオブジェクトのメートル法スケールを直接復元するように設計されている。
  論文  参考訳（メタデータ） (2023-09-19T02:20:26Z)
• Unsupervised CT Metal Artifact Reduction by Plugging Diffusion Priors in Dual Domains [8.40564813751161]
  金属インプラントはしばしばCT画像の破壊的なアーティファクトを引き起こし、正確な診断を妨げる。 金属加工品(MAR)を減らすための教師付き深層学習に基づくいくつかのアプローチが提案されている。 本稿では,データ分布を表す高容量な生成モデルである拡散モデルに基づく教師なしMAR手法を提案する。
  論文  参考訳（メタデータ） (2023-08-31T14:00:47Z)
• Rethinking Semi-Supervised Medical Image Segmentation: A Variance-Reduction Perspective [51.70661197256033]
  医用画像セグメンテーションのための階層化グループ理論を用いた半教師付きコントラスト学習フレームワークARCOを提案する。 まず、分散還元推定の概念を用いてARCOを構築することを提案し、特定の分散還元技術が画素/ボクセルレベルのセグメンテーションタスクにおいて特に有用であることを示す。 5つの2D/3D医療データセットと3つのセマンティックセグメンテーションデータセットのラベル設定が異なる8つのベンチマークで、我々のアプローチを実験的に検証する。
  論文  参考訳（メタデータ） (2023-02-03T13:50:25Z)
• Orientation-Shared Convolution Representation for CT Metal Artifact Learning [63.67718355820655]
  X線CT(CT)スキャン中、患者を乗せた金属インプラントは、しばしば有害なアーティファクトに繋がる。 既存のディープラーニングベースの手法は、有望な再構築性能を得た。 本稿では,人工物の物理的事前構造に適応するために,配向型畳み込み表現戦略を提案する。
  論文  参考訳（メタデータ） (2022-12-26T13:56:12Z)
• Metal artifact correction in cone beam computed tomography using synthetic X-ray data [0.0]
  解剖学に挿入された金属インプラントは、再建された画像に深刻なアーティファクトを引き起こす。 1つのアプローチは、プロジェクションに金属を分割するために深層学習法を使用することである。 比較的少数の光子を用いたシミュレーションは, 金属セグメンテーションに適していることを示す。
  論文  参考訳（メタデータ） (2022-08-17T13:31:38Z)
• Scale-Equivalent Distillation for Semi-Supervised Object Detection [57.59525453301374]
  近年のSemi-Supervised Object Detection (SS-OD) 法は主に自己学習に基づいており、教師モデルにより、ラベルなしデータを監視信号としてハードな擬似ラベルを生成する。 実験結果から,これらの手法が直面する課題を分析した。 本稿では,大規模オブジェクトサイズの分散とクラス不均衡に頑健な簡易かつ効果的なエンド・ツー・エンド知識蒸留フレームワークであるSED(Scale-Equivalent Distillation)を提案する。
  論文  参考訳（メタデータ） (2022-03-23T07:33:37Z)
• Triggering Failures: Out-Of-Distribution detection by learning from local adversarial attacks in Semantic Segmentation [76.2621758731288]
  セグメンテーションにおけるアウト・オブ・ディストリビューション(OOD)オブジェクトの検出に取り組む。 私たちの主な貢献は、ObsNetと呼ばれる新しいOOD検出アーキテクチャであり、ローカル・アタック(LAA)に基づく専用トレーニングスキームと関連付けられています。 3つの異なるデータセットの文献の最近の10つの手法と比較して,速度と精度の両面で最高の性能が得られることを示す。
  論文  参考訳（メタデータ） (2021-08-03T17:09:56Z)
• Learning-Based Patch-Wise Metal Segmentation with Consistency Check [5.3580471186206005]
  本研究は,学習に基づくパッチワイズセグメンテーションネットワークと,新たに提案された一貫性チェックを後処理ステップとして提案し,評価する。 学習されたセグメンテーションと一貫性チェックの組み合わせは、テストセットで平均0.924のIoUスコアで高いセグメンテーション性能に達します。
  論文  参考訳（メタデータ） (2021-01-26T16:35:28Z)
• Encoding Metal Mask Projection for Metal Artifact Reduction in Computed Tomography [21.5885187197634]
  CT(Computerd tomography)における金属人工物還元(MAR)は、画像領域において人工物が構造化され非局所的であるため、非常に難しい課題である。 そこで本研究では,(1)シングラム中の金属汚染領域の維持,(2)バイナライズされた金属の痕跡を金属マスク投影に置き換えることにより,この問題に対処することを提案する。 我々の新しいネットワークは、特に金属オブジェクトが大きい場合、最先端のアプローチよりも、より正確な人工物再現画像を生成する。
  論文  参考訳（メタデータ） (2020-01-02T06:39:06Z)

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。