論文の概要: Nonconvex ${{L_ {{1/2}}}} $-Regularized Nonlocal Self-similarity
Denoiser for Compressive Sensing based CT Reconstruction
- arxiv url: http://arxiv.org/abs/2205.07185v1
- Date: Sun, 15 May 2022 05:24:48 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-18 09:36:57.401434
- Title: Nonconvex ${{L_ {{1/2}}}} $-Regularized Nonlocal Self-similarity
Denoiser for Compressive Sensing based CT Reconstruction
- Title（参考訳）: Nonconvex ${L_ {{1/2}}}} $-regularized Nonlocal Self-Similarity Denoiser を用いた圧縮センシングによるCT再構成
- Authors: Yunyi Li (1), Yiqiu Jiang (2), Hengmin Zhang (3), Jianxun Liu (1),
Xiangling Ding (1) and Guan Gui (4) ((1) School of Computer Science and
Engineering, Hunan University of Science and Technology (2) Department of
Sports Medicine and Joint Surgery, Nanjing First Hospital, Nanjing Medical
University (3) Department of Computer and Information Science, University of
Macau (4) College of Telecommunications and Information Engineering, Nanjing
University of Posts and Telecommunications)
- Abstract要約: 最近、NonL1/2 $-normは回復において有望な性能を達成したが、その非類似性のため、アプリケーションは不満足である。
本稿では,最小化$_$のCT再構成問題について述べる。
典型的な画像に対する大規模な結果から,より優れた性能を実現するためのアプローチが実証された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Compressive sensing (CS) based computed tomography (CT) image reconstruction
aims at reducing the radiation risk through sparse-view projection data. It is
usually challenging to achieve satisfying image quality from incomplete
projections. Recently, the nonconvex ${{L_ {{1/2}}}} $-norm has achieved
promising performance in sparse recovery, while the applications on imaging are
unsatisfactory due to its nonconvexity. In this paper, we develop a ${{L_
{{1/2}}}} $-regularized nonlocal self-similarity (NSS) denoiser for CT
reconstruction problem, which integrates low-rank approximation with group
sparse coding (GSC) framework. Concretely, we first split the CT reconstruction
problem into two subproblems, and then improve the CT image quality furtherly
using our ${{L_ {{1/2}}}} $-regularized NSS denoiser. Instead of optimizing the
nonconvex problem under the perspective of GSC, we particularly reconstruct CT
image via low-rank minimization based on two simple yet essential schemes,
which build the equivalent relationship between GSC based denoiser and low-rank
minimization. Furtherly, the weighted singular value thresholding (WSVT)
operator is utilized to optimize the resulting nonconvex ${{L_ {{1/2}}}} $
minimization problem. Following this, our proposed denoiser is integrated with
the CT reconstruction problem by alternating direction method of multipliers
(ADMM) framework. Extensive experimental results on typical clinical CT images
have demonstrated that our approach can further achieve better performance than
popular approaches.
- Abstract（参考訳）: 圧縮センシング(CS)を用いたCT画像再構成は,スパースビュー投影データによる放射線リスク低減を目的としている。
通常は不完全な投影から画質を満足させることが困難である。
最近、非凸の${l_ {{1/2}}}} $-normはスパースリカバリで有望な性能を達成しているが、その非凸性のためにイメージングのアプリケーションは不十分である。
本稿では,低ランク近似とグループスパース符号化(GSC)フレームワークを統合した,CT再構成問題に対する${L_ {{1/2}}}} $-regularized nonlocal self-similarity (NSS) denoiserを開発する。
具体的には,まずCT再構成問題を2つのサブプロブレムに分割し,さらに${L_ {{1/2}}}} $-regularized NSS denoiserを用いてCT画像の品質を向上させる。
GSCの観点で非凸問題を最適化する代わりに、2つの単純かつ本質的なスキームに基づいて、低ランクの最小化によりCT画像を再構成し、GSCベースのデノイザと低ランクの最小化との間に等価な関係を構築する。
さらに、重み付き特異値閾値演算(WSVT)演算子を用いて、結果の非凸${L_ {{1/2}}}} $最小化問題を最適化する。
これに続いて,提案手法は乗算器の向きの交互化法(ADMM)によりCT再構成問題と統合される。
臨床用ct画像の広範囲な実験結果から,本手法は一般的な手法よりも優れた性能を得ることができることが示された。
関連論文リスト
- AC-IND: Sparse CT reconstruction based on attenuation coefficient estimation and implicit neural distribution [12.503822675024054]
CTは産業用非破壊検査や診断において重要な役割を担っている。
スパースビューCT再構成は,少数のプロジェクションのみを使用しながら,高品質なCT像を再構成することを目的としている。
本稿では,減衰係数推定と入射ニューラル分布に基づく自己教師型手法であるAC-INDを紹介する。
論文 参考訳（メタデータ） (2024-09-11T10:34:41Z) - CoCPF: Coordinate-based Continuous Projection Field for Ill-Posed Inverse Problem in Imaging [78.734927709231]
スパース・ビュー・コンピュート・トモグラフィー(SVCT)の再構成は,スパース・サンプリングによるCT画像の取得を目的としている。
暗黙的な神経表現(INR)技術は、不備のため、その分野に「かなりの穴」(すなわち、未モデル化空間)を残し、準最適結果をもたらす可能性がある。
SVCT再構成のためのホールフリー表現場を構築することを目的としたコーディネート型連続射影場(CoCPF)を提案する。
論文 参考訳（メタデータ） (2024-06-21T08:38:30Z) - Low-Dose CT Image Reconstruction by Fine-Tuning a UNet Pretrained for
Gaussian Denoising for the Downstream Task of Image Enhancement [3.7960472831772765]
Computed Tomography (CT) は医用画像モダリティとして広く用いられているが,低用量CTデータからの再構成は難しい課題である。
本稿では,LDCT画像の再構成を行うための,より複雑な2段階の手法を提案する。
提案手法は,LoDoPaB-CTチャレンジにおける共有トップランキングと,SSIMメトリックに対する第1位を実現する。
論文 参考訳（メタデータ） (2024-03-06T08:51:09Z) - 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) - Enhanced Sharp-GAN For Histopathology Image Synthesis [63.845552349914186]
病理組織像合成は、正確ながん検出のためのディープラーニングアプローチの訓練において、データ不足の問題に対処することを目的としている。
核トポロジと輪郭正則化を用いて合成画像の品質を向上させる新しい手法を提案する。
提案手法は、Sharp-GANを2つのデータセット上の4つの画像品質指標すべてで上回る。
論文 参考訳（メタデータ） (2023-01-24T17:54:01Z) - FocalUNETR: A Focal Transformer for Boundary-aware Segmentation of CT
Images [6.616213497895369]
局所的な視覚特徴と大域的な文脈をCT画像から抽出する焦点変換器を用いた画像分割アーキテクチャを提案する。
この設計により、他の競合手法よりもCTベースの前立腺分割作業の質が大幅に向上することが実証された。
論文 参考訳（メタデータ） (2022-10-06T20:06:24Z) - Sinogram upsampling using Primal-Dual UNet for undersampled CT and
radial MRI reconstruction [0.4199844472131921]
Primal-Dual ネットワークは、疎サンプリングされたCTデータを再構成するためのディープラーニングベースの手法である。
本稿では,Primal-Dual UNetを導入し,精度と再構築速度の点でPrimal-Dualネットワークを改善した。
論文 参考訳（メタデータ） (2021-12-26T19:31:34Z) - InDuDoNet+: A Model-Driven Interpretable Dual Domain Network for Metal
Artifact Reduction in CT Images [53.4351366246531]
InDuDoNet+と呼ばれる新しい解釈可能な二重ドメインネットワークを構築し、CT画像の微細な埋め込みを行う。
異なる組織間のCT値を分析し,InDuDoNet+の事前観測ネットワークにマージすることで,その一般化性能を著しく向上させる。
論文 参考訳（メタデータ） (2021-12-23T15:52:37Z) - DuDoTrans: Dual-Domain Transformer Provides More Attention for Sinogram
Restoration in Sparse-View CT Reconstruction [13.358197688568463]
撮像過程におけるヨウ素の放射線は 不可逆的な損傷を引き起こす
スパースビューCT画像に現れるアーティファクトを緩和する反復モデルが提案されているが,コストが高すぎる。
textbfDual-textbfDomain textbfDuDoTransを提案する。
論文 参考訳（メタデータ） (2021-11-21T10:41:07Z) - CyTran: A Cycle-Consistent Transformer with Multi-Level Consistency for
Non-Contrast to Contrast CT Translation [56.622832383316215]
コントラストCTを非コントラストCTに変換する手法を提案する。
提案手法は、CyTranを略して、サイクル一貫性のある生成逆転変換器に基づいている。
実験の結果、CyTranは競合するすべての手法より優れています。
論文 参考訳（メタデータ） (2021-10-12T23:25:03Z) - The Power of Triply Complementary Priors for Image Compressive Sensing [89.14144796591685]
本稿では,一対の相補的な旅先を含むLRD画像モデルを提案する。
次に、画像CSのためのRDモデルに基づく新しいハイブリッド・プラグイン・アンド・プレイ・フレームワークを提案する。
そこで,提案したH-based image CS問題の解法として,単純で効果的なアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-05-16T08:17:44Z)
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。