論文の概要: ADJUST: A Dictionary-Based Joint Reconstruction and Unmixing Method for Spectral Tomography

• arxiv url: http://arxiv.org/abs/2112.11406v1
• Date: Tue, 21 Dec 2021 18:09:39 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-22 15:37:19.499213
• Title: ADJUST: A Dictionary-Based Joint Reconstruction and Unmixing Method for Spectral Tomography
• Title（参考訳）: ADJUST : 分光トモグラフィのための辞書による関節再建とアンミックス法
• Authors: Math\'e T. Zeegers, Ajinkya Kadu, Tristan van Leeuwen, Kees Joost Batenburg
• Abstract要約: A-based joint reconstruction and Unmixing method for Spectral Tomography (ADJUST) について述べる。 我々の定式化は、CTに共通する材料のスペクトルシグネチャの辞書を作成することに依存している。 我々は,ADJUSTが他の最先端手法と比較して優れていることを観察した。
• 参考スコア（独自算出の注目度）: 3.1351527202068437
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Advances in multi-spectral detectors are causing a paradigm shift in X-ray Computed Tomography (CT). Spectral information acquired from these detectors can be used to extract volumetric material composition maps of the object of interest. If the materials and their spectral responses are known a priori, the image reconstruction step is rather straightforward. If they are not known, however, the maps as well as the responses need to be estimated jointly. A conventional workflow in spectral CT involves performing volume reconstruction followed by material decomposition, or vice versa. However, these methods inherently suffer from the ill-posedness of the joint reconstruction problem. To resolve this issue, we propose `A Dictionary-based Joint reconstruction and Unmixing method for Spectral Tomography' (ADJUST). Our formulation relies on forming a dictionary of spectral signatures of materials common in CT and prior knowledge of the number of materials present in an object. In particular, we decompose the spectral volume linearly in terms of spatial material maps, a spectral dictionary, and the indicator of materials for the dictionary elements. We propose a memory-efficient accelerated alternating proximal gradient method to find an approximate solution to the resulting bi-convex problem. From numerical demonstrations on several synthetic phantoms, we observe that ADJUST performs exceedingly well when compared to other state-of-the-art methods. Additionally, we address the robustness of ADJUST against limited measurement patterns.
• Abstract（参考訳）: マルチスペクトル検出器の進歩は、X線CT(Computerd Tomography)のパラダイムシフトを引き起こしている。 これらの検出器から取得したスペクトル情報は、興味の対象の体積物質組成マップの抽出に利用できる。 材料とそのスペクトル応答が先行性であるならば、画像再構成ステップは比較的単純である。 しかし、それらが分かっていない場合は、地図と応答を共同で推定する必要がある。 スペクトルCTの従来のワークフローでは、ボリューム再構成を行い、材料分解を行う。 しかし, これらの手法は, 共同再建問題の原因となっている。 そこで本研究では,「スペクトルトモグラフィのための辞書ベース共同再構成とアンミックス法」を提案する。 我々の定式化は、CTに共通する材料のスペクトルシグネチャの辞書の作成と、対象物に存在する物質数の事前知識に依存している。 特に,空間的物質マップ,スペクトル辞書,辞書要素の材料指標を用いて,スペクトルボリュームを線形に分解する。 両凸問題に対する近似解を求めるために,メモリ効率の高速化近位勾配法を提案する。 いくつかの合成ファントムの数値実験から, 他の最先端手法と比較して, 調整性能が極めて良好であることを観察した。 さらに,限られた測定パターンに対する調整のロバスト性にも対処する。

関連論文リスト

• End-to-End Model-based Deep Learning for Dual-Energy Computed Tomography Material Decomposition [53.14236375171593]
  本稿では,定量化のためのエンド・ツー・エンド材料分解(E2E-DEcomp)と呼ばれる深層学習手法を提案する。 AAPMスペクトルCTデータセットにおける直接E2E-DEcomp法の有効性を示す。
  論文  参考訳（メタデータ） (2024-06-01T16:20:59Z)
• Capability enhancement of the X-ray micro-tomography system via ML-assisted approaches [0.8999666725996978]
  X線マイクロCT画像におけるリングアーティファクトは、その正確な視覚的解釈と定量的解析における主要な原因の1つである。 本稿では、UNetにインスパイアされた畳み込みニューラルネットワーク(CNN)ベースのディープラーニング(DL)モデルと、リングアーティファクトを除去するためのスキップ接続を備えた一連のエンコーダとデコーダユニットを提案する。
  論文  参考訳（メタデータ） (2024-02-08T14:23:24Z)
• DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection [55.48770333927732]
  本稿では,拡散型異常検出(Difusion-based Anomaly Detection, DAD)フレームワークを提案する。 画素空間オートエンコーダ、安定拡散の復調ネットワークに接続する潜在空間セマンティックガイド(SG)ネットワーク、特徴空間事前学習機能抽出器から構成される。 MVTec-ADとVisAデータセットの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2023-12-11T18:38:28Z)
• Volumetric Reconstruction Resolves Off-Resonance Artifacts in Static and Dynamic PROPELLER MRI [76.60362295758596]
  磁気共鳴イメージング(MRI)におけるオフ共鳴アーティファクトは、画像ボリューム内のスピンの実際の共鳴周波数が空間情報を符号化するのに使用される期待周波数と異なる場合に発生する視覚歪みである。 本稿では,2次元MRI再構成問題を3次元に引き上げ,このオフ共鳴をモデル化するための「スペクトル」次元を導入することで,これらのアーチファクトを解決することを提案する。
  論文  参考訳（メタデータ） (2023-11-22T05:44:51Z)
• 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)
• 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)
• Fourth-Order Nonlocal Tensor Decomposition Model for Spectral Computed Tomography [20.03088101097943]
  分光CT(Spectral Computed Tomography)は、光子計数検出器(PCD)を用いて、異なるエネルギービンからのスペクトル像を再構成することができる。 スペクトル分率の限られた光子と計数率により、再構成されたスペクトル画像は通常、ひどいノイズに悩まされる。 本稿では,スペクトルCT画像再構成(FONT-SIR)のための4階非局所テンソル分解モデルを提案する。
  論文  参考訳（メタデータ） (2020-10-27T15:14:36Z)
• A novel deep learning-based method for monochromatic image synthesis from spectral CT using photon-counting detectors [7.190103828139802]
  シングラム領域で動作する深層学習に基づく単色画像合成法を提案する。 本手法は,PCDを装着したコーンビームCT(CBCT)システムを用いて検討した。
  論文  参考訳（メタデータ） (2020-07-20T03:44:57Z)
• Hyperspectral-Multispectral Image Fusion with Weighted LASSO [68.04032419397677]
  本稿では,高スペクトル像と多スペクトル像を融合させて高画質な高スペクトル出力を実現する手法を提案する。 提案したスパース融合と再構成は,既存の公開画像の手法と比較して,定量的に優れた結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-03-15T23:07:56Z)

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。