論文の概要: Adaptive Convolutional Dictionary Network for CT Metal Artifact Reduction

• arxiv url: http://arxiv.org/abs/2205.07471v1
• Date: Mon, 16 May 2022 06:49:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-17 17:37:30.274805
• Title: Adaptive Convolutional Dictionary Network for CT Metal Artifact Reduction
• Title（参考訳）: ct金属アーティファクト削減のための適応畳み込み辞書ネットワーク
• Authors: Hong Wang, Yuexiang Li, Deyu Meng, Yefeng Zheng
• Abstract要約: 本稿では,金属人工物削減のための適応畳み込み辞書ネットワーク(ACDNet)を提案する。 我々のACDNetは、トレーニングデータを介して、アーティファクトフリーCT画像の事前を自動で学習し、入力されたCT画像ごとに表現カーネルを適応的に調整することができる。 本手法は,モデルに基づく手法の明確な解釈可能性を継承し,学習に基づく手法の強力な表現能力を維持する。
• 参考スコア（独自算出の注目度）: 62.691996239590125
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Inspired by the great success of deep neural networks, learning-based methods have gained promising performances for metal artifact reduction (MAR) in computed tomography (CT) images. However, most of the existing approaches put less emphasis on modelling and embedding the intrinsic prior knowledge underlying this specific MAR task into their network designs. Against this issue, we propose an adaptive convolutional dictionary network (ACDNet), which leverages both model-based and learning-based methods. Specifically, we explore the prior structures of metal artifacts, e.g., non-local repetitive streaking patterns, and encode them as an explicit weighted convolutional dictionary model. Then, a simple-yet-effective algorithm is carefully designed to solve the model. By unfolding every iterative substep of the proposed algorithm into a network module, we explicitly embed the prior structure into a deep network, \emph{i.e.,} a clear interpretability for the MAR task. Furthermore, our ACDNet can automatically learn the prior for artifact-free CT images via training data and adaptively adjust the representation kernels for each input CT image based on its content. Hence, our method inherits the clear interpretability of model-based methods and maintains the powerful representation ability of learning-based methods. Comprehensive experiments executed on synthetic and clinical datasets show the superiority of our ACDNet in terms of effectiveness and model generalization. {\color{blue}{{\textit{Code is available at {\url{https://github.com/hongwang01/ACDNet}}.}}}}
• Abstract（参考訳）: 深層ニューラルネットワークの成功に触発されて、学習に基づく手法は、ct画像における金属人工物還元(mar)の有望な性能を得た。 しかし、既存のアプローチのほとんどは、この特定のMARタスクの基礎となる本質的な事前知識をネットワーク設計に組み込むことに重点を置いている。 そこで本研究では,モデルベースと学習ベースを併用した適応畳み込み辞書ネットワーク(ACDNet)を提案する。 具体的には、金属アーチファクトの先行構造、例えば非局所反復的ストレキングパターンを探索し、それらを明示的な重み付き畳み込み辞書モデルとしてエンコードする。 そして、モデルを解決するため、単純なyet効率のアルゴリズムを慎重に設計する。 提案するアルゴリズムの全ての反復部分ステップをネットワークモジュールに展開することにより,事前構造をmarタスクの明確な解釈可能性である,ディープネットワークに明示的に埋め込む。 さらに、ACDNetは、トレーニングデータを介して、アーティファクトフリーCT画像の事前を自動で学習し、その内容に基づいて各入力CT画像の表現カーネルを適応的に調整することができる。 そこで,本手法は,モデルに基づく手法の明確な解釈可能性を継承し,学習に基づく手法の強力な表現能力を維持する。 総合的な実験を合成データセットと臨床データセットで行い、ACDNetの有効性とモデル一般化の点で優位性を示した。 {\color{blue}{{\textit{Code は {\url{https://github.com/hongwang01/ACDNet}} で入手できる。 }}}}

関連論文リスト

• MOCA: Self-supervised Representation Learning by Predicting Masked Online Codebook Assignments [72.6405488990753]
  自己教師付き学習は、ビジョントランスフォーマーネットワークの欲求を軽減できる。 所望のプロパティを統一する単段および単段のMOCAを提案する。 我々は,様々な評価プロトコルにおいて,低照度設定と強力な実験結果に対して,最先端の新たな結果を得る。
  論文  参考訳（メタデータ） (2023-07-18T15:46:20Z)
• DELAD: Deep Landweber-guided deconvolution with Hessian and sparse prior [0.22940141855172028]
  本稿では,古典的反復法をディープラーニングアプリケーションに組み込んだ非盲検画像デコンボリューションモデルを提案する。 このアルゴリズムは、トレーニング可能な畳み込み層と統合され、復元された画像構造と詳細を強化する。
  論文  参考訳（メタデータ） (2022-09-30T11:15:03Z)
• KXNet: A Model-Driven Deep Neural Network for Blind Super-Resolution [57.882146858582175]
  我々は、ブラインドSISRのためのモデル駆動型ディープニューラルネットワークKXNetを提案する。 提案されたKXNetは、SISRタスクの根底にある固有の物理的メカニズムと完全に統合されている。 合成データおよび実データを用いた実験は,提案手法の精度と汎用性を良好に証明する。
  論文  参考訳（メタデータ） (2022-09-21T12:22:50Z)
• Neural Maximum A Posteriori Estimation on Unpaired Data for Motion Deblurring [87.97330195531029]
  本稿では、ニューラルネットワークをトレーニングし、失明したデータから視覚情報や鋭いコンテンツを復元するためのニューラルネットワークの最大Aポストエリオリ(NeurMAP)推定フレームワークを提案する。 提案されたNeurMAPは、既存のデブロアリングニューラルネットワークに対するアプローチであり、未使用データセット上のイメージデブロアリングネットワークのトレーニングを可能にする最初のフレームワークである。
  論文  参考訳（メタデータ） (2022-04-26T08:09:47Z)
• Towards Disentangling Information Paths with Coded ResNeXt [11.884259630414515]
  ネットワーク全体の機能の透明性を高めるために,我々は新しいアプローチを採っている。 分類のためのニューラルネットワークアーキテクチャを提案し、各クラスに関連する情報が特定の経路を流れる。
  論文  参考訳（メタデータ） (2022-02-10T21:45:49Z)
• 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)
• Principled network extraction from images [0.0]
  本稿では,スケーラブルで効率的な画像からネットワークトポロジを抽出する原理モデルを提案する。 我々は,網膜血管系,スライムカビ,河川網の実際の画像を用いて本モデルを検証した。
  論文  参考訳（メタデータ） (2020-12-23T15:56:09Z)
• MetaInv-Net: Meta Inversion Network for Sparse View CT Image Reconstruction [15.090133305839595]
  本稿では,反復アルゴリズムの展開により構築したバックボーンネットワークアーキテクチャを用いて,CT画像再構成のための新しいディープラーニングモデルを提案する。 私たちはメタ・インバージョン・ネットワーク(MetaInv-Net)と呼ぶ。 提案されたMetaInv-Netは、優れた画像再構成性能を維持しながら、はるかにトレーニング可能なパラメータで設計することができる。
  論文  参考訳（メタデータ） (2020-05-30T04:19:09Z)
• A Model-driven Deep Neural Network for Single Image Rain Removal [52.787356046951494]
  完全解釈可能なネットワーク構造を持つモデル駆動型ディープニューラルネットワークを提案する。 雨を表現するための畳み込み辞書学習機構に基づいて,新しい単一画像デレーニングモデルを提案する。 すべてのレインカーネルとオペレータは自動的に抽出され、レイン層とクリーンなバックグラウンド層の両方の特徴を忠実に特徴付けることができる。
  論文  参考訳（メタデータ） (2020-05-04T09:13:25Z)

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。