論文の概要: Multi-scale reconstruction of undersampled spectral-spatial OCT data for coronary imaging using deep learning

• arxiv url: http://arxiv.org/abs/2204.11769v1
• Date: Mon, 25 Apr 2022 16:37:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-26 15:06:08.793473
• Title: Multi-scale reconstruction of undersampled spectral-spatial OCT data for coronary imaging using deep learning
• Title（参考訳）: 深層学習を用いた冠動脈イメージングのためのスペクトル空間octデータのマルチスケール再構成
• Authors: Xueshen Li, Shengting Cao, Hongshan Liu, Xinwen Yao, Brigitta C. Brott, Silvio H. Litovsky, Xiaoyu Song, Yuye Ling, Yu Gan
• Abstract要約: 血管内光コヒーレンス断層撮影(IV OCT)は冠状動脈疾患(CAD)の診断・治療に最適であると考えられる。 高分解能と高速走査率のトレードオフがある。 本稿では,スペクトル領域と空間領域の両方でサンプリングプロセスをダウンスケールするスペクトル空間取得手法を提案する。
• 参考スコア（独自算出の注目度）: 1.8359410255568984
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Coronary artery disease (CAD) is a cardiovascular condition with high morbidity and mortality. Intravascular optical coherence tomography (IVOCT) has been considered as an optimal imagining system for the diagnosis and treatment of CAD. Constrained by Nyquist theorem, dense sampling in IVOCT attains high resolving power to delineate cellular structures/ features. There is a trade-off between high spatial resolution and fast scanning rate for coronary imaging. In this paper, we propose a viable spectral-spatial acquisition method that down-scales the sampling process in both spectral and spatial domain while maintaining high quality in image reconstruction. The down-scaling schedule boosts data acquisition speed without any hardware modifications. Additionally, we propose a unified multi-scale reconstruction framework, namely Multiscale- Spectral-Spatial-Magnification Network (MSSMN), to resolve highly down-scaled (compressed) OCT images with flexible magnification factors. We incorporate the proposed methods into Spectral Domain OCT (SD-OCT) imaging of human coronary samples with clinical features such as stent and calcified lesions. Our experimental results demonstrate that spectral-spatial downscaled data can be better reconstructed than data that is downscaled solely in either spectral or spatial domain. Moreover, we observe better reconstruction performance using MSSMN than using existing reconstruction methods. Our acquisition method and multi-scale reconstruction framework, in combination, may allow faster SD-OCT inspection with high resolution during coronary intervention.
• Abstract（参考訳）: 冠動脈疾患 (CAD) は心臓血管疾患であり, 死亡率と死亡率が高い。 血管内光コヒーレンス断層撮影(ivoct)はcadの診断と治療に最適な想像システムと考えられている。 ナイキストの定理に制約された IVOCT の高密度サンプリングは、細胞構造や特徴を規定する高分解能を実現する。 冠動脈造影には高分解能と高速走査率のトレードオフがある。 本稿では,画像再構成における高品質を維持しつつ,スペクトル領域と空間領域の両方でサンプリングプロセスをダウンスケールするスペクトル空間取得手法を提案する。 ダウンスケーリングスケジュールは、ハードウェアの変更なしにデータ取得速度を向上する。 さらに,多視点空間拡大ネットワーク (mssmn) を統一し,フレキシブルな拡大係数を持つ高ダウンスケール(圧縮) oct 画像の解決法を提案する。 本手法を,ステントや石灰化病変などの臨床的特徴を有するヒト冠動脈試料の分光ドメインCT(SD-OCT)画像に取り入れた。 実験により、スペクトル空間のダウンスケールデータの方が、スペクトル領域または空間領域にのみダウンスケールされたデータよりもよく再構成できることが示された。 また,MSSMNを用いた再現性能は,既存の再構成手法よりも優れていた。 冠動脈インターベンション時に高分解能のSD-OCT検査を高速に行うことができる。

関連論文リスト

• X-Recon: Learning-based Patient-specific High-Resolution CT Reconstruction from Orthogonal X-Ray Images [14.04604990570727]
  X-Reconは、左右胸部X線画像に基づく再構成ネットワークである。 PTX-Segはゼロショット気胸セグメンテーションアルゴリズムである。 再現度はピーク信号対雑音比を含むいくつかの指標で最先端の性能を達成した。
  論文  参考訳（メタデータ） (2024-07-22T03:55:36Z)
• Deep Few-view High-resolution Photon-counting Extremity CT at Halved Dose for a Clinical Trial [8.393536317952085]
  ニュージーランドの臨床試験において,PCCT画像の半減量と2倍の速度で再現する深層学習に基づくアプローチを提案する。 本稿では,GPUメモリの制限を緩和するパッチベースのボリュームリファインメントネットワーク,合成データを用いたトレーニングネットワーク,およびモデルベースの反復リファインメントを用いて,合成データと実世界のギャップを埋める。
  論文  参考訳（メタデータ） (2024-03-19T00:07:48Z)
• Rotational Augmented Noise2Inverse for Low-dose Computed Tomography Reconstruction [83.73429628413773]
  改良された深層学習手法は、画像のノイズを除去する能力を示しているが、正確な地上の真実を必要とする。 畳み込みニューラルネットワーク(CNN)のトレーニングに基礎的真理を必要としないLDCTのための新しい自己教師型フレームワークを提案する。 数値および実験結果から,Sparse View を用いた N2I の再構成精度は低下しており,提案手法は異なる範囲のサンプリング角度で画像品質を向上する。
  論文  参考訳（メタデータ） (2023-12-19T22:40:51Z)
• Feature-oriented Deep Learning Framework for Pulmonary Cone-beam CT (CBCT) Enhancement with Multi-task Customized Perceptual Loss [9.59233136691378]
  コーンビームCT(CBCT)は画像誘導放射線治療中に定期的に収集される。 近年, 深層学習に基づくCBCT強調法は, 人工物抑制に有望な成果を上げている。 本稿では,高画質CBCT画像から高画質CTライク画像へ変換する特徴指向ディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-11-01T10:09:01Z)
• Spectral Bandwidth Recovery of Optical Coherence Tomography Images using Deep Learning [0.6990493129893112]
  取得速度を向上する技術開発は、しばしばスペクトル帯域幅が狭くなり、したがって軸方向分解能が低くなる。 従来,OCTのサブサンプルデータを再構成するために画像処理技術が用いられてきた。 本研究では,スペクトル領域におけるガウスウィンドウ化による軸方向スキャン(Aスキャン)分解能の低下をシミュレートし,画像特徴再構成のための学習的アプローチについて検討する。
  論文  参考訳（メタデータ） (2023-01-02T02:18:32Z)
• Unsupervised denoising for sparse multi-spectral computed tomography [2.969056717104372]
  我々は,64チャンネルPCD-CTのスパース測定から高品質な再構成を実現するための課題に対して,学習に基づく改善が適しているかを検討した。 本稿では, 再構成における異なるフィルタ関数と, スペクトルチャネルと核ノルムとの明示的な結合を利用して, 教師なしのデノベーションとアーティファクトの除去手法を提案する。
  論文  参考訳（メタデータ） (2022-11-02T14:36:24Z)
• OADAT: Experimental and Synthetic Clinical Optoacoustic Data for Standardized Image Processing [62.993663757843464]
  オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。 OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。 臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
  論文  参考訳（メタデータ） (2022-06-17T08:11:26Z)
• Multi-Channel Convolutional Analysis Operator Learning for Dual-Energy CT Reconstruction [108.06731611196291]
  我々は,多チャンネル畳み込み解析演算子学習法(MCAOL)を開発した。 本研究では,低エネルギー,高エネルギーで減衰画像を共同で再構成する最適化手法を提案する。
  論文  参考訳（メタデータ） (2022-03-10T14:22:54Z)
• Multi-modal Aggregation Network for Fast MR Imaging [85.25000133194762]
  我々は,完全サンプル化された補助モダリティから補完表現を発見できる,MANetという新しいマルチモーダル・アグリゲーション・ネットワークを提案する。 我々のMANetでは,完全サンプリングされた補助的およびアンアンサンプされた目標モダリティの表現は,特定のネットワークを介して独立に学習される。 私たちのMANetは、$k$-spaceドメインの周波数信号を同時に回復できるハイブリッドドメイン学習フレームワークに従います。
  論文  参考訳（メタデータ） (2021-10-15T13:16:59Z)
• 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)
• Multifold Acceleration of Diffusion MRI via Slice-Interleaved Diffusion Encoding (SIDE) [50.65891535040752]
  本稿では,Slice-Interleaved Diffusionと呼ばれる拡散符号化方式を提案する。 SIDEは、拡散重み付き(DW)画像ボリュームを異なる拡散勾配で符号化したスライスでインターリーブする。 また,高いスライスアンサンプデータからDW画像を効果的に再構成するためのディープラーニングに基づく手法を提案する。
  論文  参考訳（メタデータ） (2020-02-25T14:48:17Z)

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。