論文の概要: Neural Computed Tomography
- arxiv url: http://arxiv.org/abs/2201.06574v1
- Date: Mon, 17 Jan 2022 18:50:58 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-19 17:46:30.785788
- Title: Neural Computed Tomography
- Title(参考訳): ニューラルCT
- Authors: Kunal Gupta, Brendan Colvert and Francisco Contijoch
- Abstract要約: 一連のプロジェクションの取得時の運動は、CT再構成において重要な運動アーティファクトにつながる可能性がある。
動作成果物から解放された時間分解画像を生成するための新しい再構成フレームワークであるNeuralCTを提案する。
- 参考スコア(独自算出の注目度): 1.7188280334580197
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Motion during acquisition of a set of projections can lead to significant
motion artifacts in computed tomography reconstructions despite fast
acquisition of individual views. In cases such as cardiac imaging, motion may
be unavoidable and evaluating motion may be of clinical interest.
Reconstructing images with reduced motion artifacts has typically been achieved
by developing systems with faster gantry rotation or using algorithms which
measure and/or estimate the displacements. However, these approaches have had
limited success due to both physical constraints as well as the challenge of
estimating/measuring non-rigid, temporally varying, and patient-specific
motions. We propose a novel reconstruction framework, NeuralCT, to generate
time-resolved images free from motion artifacts. Our approaches utilizes a
neural implicit approach and does not require estimation or modeling of the
underlying motion. Instead, boundaries are represented using a signed distance
metric and neural implicit framework. We utilize `analysis-by-synthesis' to
identify a solution consistent with the acquired sinogram as well as spatial
and temporal consistency constraints. We illustrate the utility of NeuralCT in
three progressively more complex scenarios: translation of a small circle,
heartbeat-like change in an ellipse's diameter, and complex topological
deformation. Without hyperparameter tuning or change to the architecture,
NeuralCT provides high quality image reconstruction for all three motions, as
compared to filtered backprojection, using mean-square-error and Dice metrics.
- Abstract(参考訳): プロジェクションの集合の獲得時の運動は、個々のビューの迅速な獲得にもかかわらず、計算トモグラフィー再構成において重要な運動アーティファクトをもたらす可能性がある。
心臓画像などの場合、運動は避けられない可能性があり、運動の評価は臨床的に興味深い。
運動アーティファクトを縮小した画像の再構成は、ガントリー回転を速くするシステムや、変位を計測・推定するアルゴリズムの開発によって達成されている。
しかし、これらのアプローチは、物理的制約と非剛性、時間的変化、患者固有の動作の推定/測定の課題の両方により、成功に至らなかった。
本稿では,運動アーチファクトのない時間分解画像を生成するための新しい再構成フレームワークneuralctを提案する。
提案手法はニューラルネットワークによる暗黙的アプローチを応用し,基礎となる動作の推定やモデル化を必要としない。
代わりに、境界は符号付き距離メトリックとニューラルネットワークの暗黙のフレームワークを使って表現される。
得られたシンノグラムと一致した解の同定と,空間的および時間的一貫性の制約の同定に,「合成による分析」を用いる。
我々は,小さな円の変換,楕円径の心拍変化,複雑な位相変形という,より複雑な3つのシナリオにおけるニューラルctの有用性を説明する。
ハイパーパラメータチューニングやアーキテクチャの変更がなければ、NeuralCTは平均2乗誤差とDiceメトリクスを使用してフィルタされたバックプロジェクションと比較して、3つの動作すべてに対して高品質なイメージ再構成を提供する。
関連論文リスト
- SISMIK for brain MRI: Deep-learning-based motion estimation and
model-based motion correction in k-space [0.0]
本研究では,平面内剛体運動の問題に対処するために,運動量化と補正の振り返り手法を提案する。
我々は、深層ニューラルネットワークを用いてk空間の運動パラメータを推定し、モデルベースのアプローチで劣化した画像を復元し、「幻覚」を避ける。
提案手法はk空間のダイナミックレンジ全体で動作し,高調波の低SNRの影響を受けやすい。
論文 参考訳(メタデータ) (2023-12-20T17:38:56Z) - INeAT: Iterative Neural Adaptive Tomography [34.84974955073465]
反復型ニューラルアダプティブ・トモグラフィ(INeAT)は、姿勢の最適化を組み込んで、姿勢の摂動の影響を抑える。
IneAT は, 顕著なポーズ障害を伴うシナリオにおいて, アーティファクト抑制, 解像度向上を達成できることを実証した。
論文 参考訳(メタデータ) (2023-11-03T01:00:36Z) - Deep Cardiac MRI Reconstruction with ADMM [7.694990352622926]
心臓画像の分野では, 深層学習(DL)を用いたシネ・マルチコントラスト再建法を提案する。
提案手法は画像領域とk空間領域の両方を最適化し,高い再構成精度を実現する。
論文 参考訳(メタデータ) (2023-10-10T13:46:11Z) - SceNeRFlow: Time-Consistent Reconstruction of General Dynamic Scenes [75.9110646062442]
我々はSceNeRFlowを提案し、時間的一貫性のある方法で一般的な非剛体シーンを再構築する。
提案手法は,カメラパラメータを入力として,静止カメラからのマルチビューRGBビデオと背景画像を取得する。
実験により,小規模動作のみを扱う先行作業とは異なり,スタジオスケール動作の再構築が可能であることが示された。
論文 参考訳(メタデータ) (2023-08-16T09:50:35Z) - Attentive Symmetric Autoencoder for Brain MRI Segmentation [56.02577247523737]
視覚変換器(ViT)をベースとした3次元脳MRIセグメンテーションタスクのための新しいアテンテーティブシンメトリオートエンコーダを提案する。
事前学習の段階では、提案するオートエンコーダがより注意を払って、勾配測定値に従って情報パッチを再構築する。
実験の結果,提案手法は最先端の自己教師付き学習法や医用画像分割モデルよりも優れていた。
論文 参考訳(メタデータ) (2022-09-19T09:43:19Z) - Fluid registration between lung CT and stationary chest tomosynthesis
images [23.239722016943794]
計測された投影とデジタル再構成されたラジオグラフに基づいて3次元変形を推定する3D/2D登録手法を定式化する。
我々は,CTと静止胸部トモシンセシス(sDCT)画像の登録に対するアプローチを実証し,それが反復的画像再構成アプローチにどのように自然に導かれるかを示した。
論文 参考訳(メタデータ) (2022-03-06T21:51:49Z) - Multi-Temporal Convolutions for Human Action Recognition in Videos [83.43682368129072]
複数の解像度で抽出できる新しい時間・時間的畳み込みブロックを提案する。
提案するブロックは軽量で,任意の3D-CNNアーキテクチャに統合可能である。
論文 参考訳(メタデータ) (2020-11-08T10:40:26Z) - Limited-angle tomographic reconstruction of dense layered objects by
dynamical machine learning [68.9515120904028]
強い散乱準透明物体の有限角トモグラフィーは困難で、非常に不適切な問題である。
このような問題の状況を改善することにより、アーティファクトの削減には、事前の定期化が必要である。
我々は,新しい分割畳み込みゲート再帰ユニット(SC-GRU)をビルディングブロックとして,リカレントニューラルネットワーク(RNN)アーキテクチャを考案した。
論文 参考訳(メタデータ) (2020-07-21T11:48:22Z) - Inertial Measurements for Motion Compensation in Weight-bearing
Cone-beam CT of the Knee [6.7461735822055715]
膝のCTスキャン中の不随意運動は、再建されたボリュームのアーティファクトを引き起こすため、臨床診断には使用できない。
被験者の脚に慣性測定装置(IMU)を装着し,スキャン中の運動を測定する。
論文 参考訳(メタデータ) (2020-07-09T09:26:27Z) - 4D Spatio-Temporal Convolutional Networks for Object Position Estimation
in OCT Volumes [69.62333053044712]
3次元畳み込みニューラルネットワーク(CNN)は、単一のOCT画像を用いたマーカーオブジェクトのポーズ推定に有望な性能を示した。
我々は3次元CNNを4次元時間CNNに拡張し、マーカーオブジェクト追跡のための追加の時間情報の影響を評価する。
論文 参考訳(メタデータ) (2020-07-02T12:02:20Z) - Spatio-Temporal Deep Learning Methods for Motion Estimation Using 4D OCT
Image Data [63.73263986460191]
特定の対象領域の局所化と運動の推定は、外科的介入の際のナビゲーションの一般的な問題である。
OCT画像ボリュームの時間的ストリームを用いることで、深層学習に基づく動き推定性能が向上するかどうかを検討する。
モデル入力に4D情報を使用すると、合理的な推論時間を維持しながら性能が向上する。
論文 参考訳(メタデータ) (2020-04-21T15:43:01Z)
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。