Fugu-MT 論文翻訳(概要): Rib Suppression in Digital Chest Tomosynthesis

論文の概要: Rib Suppression in Digital Chest Tomosynthesis

arxiv url: http://arxiv.org/abs/2203.02772v1
Date: Sat, 5 Mar 2022 15:32:04 GMT
ステータス: 処理完了
システム内更新日: 2022-03-08 17:45:24.528657
Title: Rib Suppression in Digital Chest Tomosynthesis
Title（参考訳）: デジタルチェスト共生におけるリブ抑制
Authors: Yihua Sun, Qingsong Yao, Yuanyuan Lyu, Jianji Wang, Yi Xiao, Hongen Liao, S. Kevin Zhou
Abstract要約: DCT(Digital chest tomo synthesis)は、肺疾患スクリーニングのためのヒト胸の3D画像を作成する技術である。胸部X線像では, より鮮明な肺のテクスチャーを呈し, 胸部抑制の進展がみられた。 3Dをモデル化するために、$textbfT$omo synthesis $textbfRI$b Su$textbfP$pression and $textbfL$ung $textbfE$nhancement $textbfNet$work (TRIPLE-Net)を提案する。
参考スコア（独自算出の注目度）: 20.807775709360694
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Digital chest tomosynthesis (DCT) is a technique to produce sectional 3D images of a human chest for pulmonary disease screening, with 2D X-ray projections taken within an extremely limited range of angles. However, under the limited angle scenario, DCT contains strong artifacts caused by the presence of ribs, jamming the imaging quality of the lung area. Recently, great progress has been achieved for rib suppression in a single X-ray image, to reveal a clearer lung texture. We firstly extend the rib suppression problem to the 3D case at the software level. We propose a $\textbf{T}$omosynthesis $\textbf{RI}$b Su$\textbf{P}$pression and $\textbf{L}$ung $\textbf{E}$nhancement $\textbf{Net}$work (TRIPLE-Net) to model the 3D rib component and provide a rib-free DCT. TRIPLE-Net takes the advantages from both 2D and 3D domains, which model the ribs in DCT with the exact FBP procedure and 3D depth information, respectively. The experiments on simulated datasets and clinical data have shown the effectiveness of TRIPLE-Net to preserve lung details as well as improve the imaging quality of pulmonary diseases. Finally, an expert user study confirms our findings.
Abstract（参考訳）: digital chest tomo synthesis (dct) は、肺疾患スクリーニングのためのヒト胸部断面3d画像の作成技術であり、2d x線投影は非常に限られた角度で撮影される。しかし、限られた角度のシナリオでは、DCTはリブの存在によって引き起こされる強いアーティファクトを含み、肺領域の画像品質を妨害する。近年,1枚のx線画像において肺のテクスチャが明瞭になるため,リブ抑制が大きな進歩を遂げている。まず,ソフトウェアレベルでのリブ抑制問題を3Dケースに拡張する。 3dリブコンポーネントをモデル化し、リブフリーなdctを提供するために、$\textbf{t}$omo synthesis $\textbf{ri}$b su$\textbf{p}$pressionと$\textbf{l}$ung$\textbf{e}$nhancement $\textbf{net}$work (triple-net)を提案する。 TRIPLE-Netは2Dドメインと3Dドメインの両方の利点を生かし、それぞれDCTのリブをFBPプロシージャと3D深度情報でモデル化する。シミュレーションデータセットと臨床データを用いた実験により, TRIPLE-Netが肺の細部を保存し, 肺疾患の画像品質を向上させる効果が示された。最後に、専門家によるユーザー調査の結果を確認します。

関連論文リスト

High-Fidelity 3D Lung CT Synthesis in ARDS Swine Models Using Score-Based 3D Residual Diffusion Models [13.79974752491887]
急性呼吸不全症候群(ARDS)は、肺炎症と呼吸不全を特徴とする重症疾患であり、死亡率は約40%である。胸部X線のような従来の画像撮影法は、肺病理の完全な評価において、その効果を制限し、2次元のビューのみを提供する。本研究では, スコアベース3D残差拡散モデルを用いて2次元X線画像から高忠実度3D肺CTを合成する。
論文参考訳（メタデータ） (2024-09-26T18:22:34Z)
DIFR3CT: Latent Diffusion for Probabilistic 3D CT Reconstruction from Few Planar X-Rays [15.83915012691264]
DIFR3CTは平面X線観測から可塑性CT体積を生成する3次元潜時拡散モデルである。本研究は,DIFR3CTが従来の画素レベルにおいて,近年のスパースCT再建ベースラインより優れていることを示す実験である。また,DIFR3CTはモンテカルロサンプリングによる不確実な定量化をサポートし,再現信頼性を計測する機会を提供することを示した。
論文参考訳（メタデータ） (2024-08-27T14:58:08Z)
X-ray2CTPA: Generating 3D CTPA scans from 2D X-ray conditioning [24.233484690096898]
胸部X線または胸部X線撮影(CXR)はCTスキャンと比較して限られた画像撮影を可能にする。 CTスキャンはCXRよりもコストが高く、放射線被曝も大きく、アクセス性も低い。本研究では,2次元低コントラスト分解能X線入力から3次元高コントラストおよび空間分解能Aスキャンへのクロスモーダル変換について検討する。
論文参考訳（メタデータ） (2024-06-23T13:53:35Z)
NeuralOCT: Airway OCT Analysis via Neural Fields [11.984738549104534]
気道OCT画像処理のための学習ベースアプローチである$textttNeural OCTを提案する。具体的には、$textttNeural OCTは、OCTスキャンから2Dセグメンテーションによるポイントクラウド抽出と、ニューラルネットワークによるポイントクラウドからの3D再構成という2つのステップを堅牢にブリッジすることで、3Dジオメトリを抽出する。実験の結果,$textttNeural OCT$は,平均A線誤差が70マイクロメートル未満の高精度で頑健な3次元気道再建を実現することがわかった。
論文参考訳（メタデータ） (2024-03-15T18:35:14Z)
Accurate Fine-Grained Segmentation of Human Anatomy in Radiographs via Volumetric Pseudo-Labeling [66.75096111651062]
我々は,10,021個の胸部CTと157個のラベルの大規模データセットを作成した。解剖学的擬似ラベル抽出のために3次元解剖分類モデルのアンサンブルを適用した。得られたセグメンテーションモデルはCXRで顕著な性能を示した。
論文参考訳（メタデータ） (2023-06-06T18:01:08Z)
Image Synthesis with Disentangled Attributes for Chest X-Ray Nodule Augmentation and Detection [52.93342510469636]
肺癌早期検診では胸部X線像の肺結節検出が一般的である。ディープラーニングに基づくコンピュータ支援診断(CAD)システムは、CXRの結節スクリーニングのために放射線科医をサポートすることができる。このようなデータセットの可用性を損なうため,データ拡張のために肺結節合成法を提案する。
論文参考訳（メタデータ） (2022-07-19T16:38:48Z)
Automated Model Design and Benchmarking of 3D Deep Learning Models for COVID-19 Detection with Chest CT Scans [72.04652116817238]
3D胸部CTスキャン分類のための3D DLモデルを自動的に検索するための差別化可能なニューラルネットワーク探索(DNAS)フレームワークを提案する。また,我々のモデルのクラスアクティベーションマッピング(cam)技術を利用して,結果の解釈可能性を提供する。
論文参考訳（メタデータ） (2021-01-14T03:45:01Z)
Revisiting 3D Context Modeling with Supervised Pre-training for Universal Lesion Detection in CT Slices [48.85784310158493]
CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
論文参考訳（メタデータ） (2020-12-16T07:11:16Z)
Deep LF-Net: Semantic Lung Segmentation from Indian Chest Radiographs Including Severely Unhealthy Images [5.826056983051642]
胸部X線写真(胸部X線、CxR)は、様々な肺疾患の診断において重要な役割を担っている。正確な肺分画は、健康問題、年齢、性別による肺の形状のばらつきから非常に困難である。提案研究は,CxRからの肺の正確な分画に対する効率的な深部畳み込みニューラルネットワークの使用について検討した。
論文参考訳（メタデータ） (2020-11-19T07:21:02Z)
Volumetric Medical Image Segmentation: A 3D Deep Coarse-to-fine Framework and Its Adversarial Examples [74.92488215859991]
本稿では,これらの課題に効果的に取り組むために,新しい3Dベースの粗粒度フレームワークを提案する。提案した3Dベースのフレームワークは、3つの軸すべてに沿ってリッチな空間情報を活用できるため、2Dよりも大きなマージンで優れている。我々は,3つのデータセット,NIH膵データセット,JHMI膵データセット,JHMI病理嚢胞データセットについて実験を行った。
論文参考訳（メタデータ） (2020-10-29T15:39:19Z)
M3Lung-Sys: A Deep Learning System for Multi-Class Lung Pneumonia Screening from CT Imaging [85.00066186644466]
マルチタスク型マルチスライス深層学習システム(M3Lung-Sys)を提案する。 COVID-19とHealthy, H1N1, CAPとの鑑別に加えて, M3 Lung-Sysも関連病変の部位を特定できる。
論文参考訳（メタデータ） (2020-10-07T06:22:24Z)

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。