Fugu-MT 論文翻訳(概要): Primal-Dual UNet for Sparse View Cone Beam Computed Tomography Volume Reconstruction

論文の概要: Primal-Dual UNet for Sparse View Cone Beam Computed Tomography Volume Reconstruction

arxiv url: http://arxiv.org/abs/2205.07866v1
Date: Wed, 11 May 2022 15:55:30 GMT
ステータス: 処理完了
システム内更新日: 2022-05-22 11:18:13.578706
Title: Primal-Dual UNet for Sparse View Cone Beam Computed Tomography Volume Reconstruction
Title（参考訳）: Sparse View Cone Beam Computed Tomography ボリューム再構成のための2次元UNet
Authors: Philipp Ernst, Soumick Chatterjee, Georg Rose, Andreas N\"urnberger
Abstract要約: 本稿では,スライスではなく,コーンビーム投影に適応し,ボリューム全体の再構成を行うために,スパークビューCT再構成のためのPrimal-Dual UNetを改良した。実験の結果,提案手法のPSNRは直接FDK再構成と比較して10dB増加し,修正されたPrimal-Dual Networkに比べて約3dB向上した。
参考スコア（独自算出の注目度）: 0.3058685580689604
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: In this paper, the Primal-Dual UNet for sparse view CT reconstruction is modified to be applicable to cone beam projections and perform reconstructions of entire volumes instead of slices. Experiments show that the PSNR of the proposed method is increased by 10dB compared to the direct FDK reconstruction and almost 3dB compared to the modified original Primal-Dual Network when using only 23 projections. The presented network is not optimized wrt. memory consumption or hyperparameters but merely serves as a proof of concept and is limited to low resolution projections and volumes.
Abstract（参考訳）: 本稿では,スパースビューct再構成のための初歩的unetをコーンビーム投影に適用し,スライスではなくボリューム全体の再構成を行うように修正した。実験の結果,提案手法のPSNRは直接FDK再構成と比較して10dB増加し,修正されたPrimal-Dual Networkに比べて約3dB向上した。提示されたネットワークは最適化されていない。メモリ消費やハイパーパラメータは概念実証としてのみ機能し、低解像度のプロジェクションやボリュームに限定される。

関連論文リスト

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)
Equivariant Multiscale Learned Invertible Reconstruction for Cone Beam CT [7.497397088625152]
本稿では,高速かつメモリ効率の良いCBCT再構成手法であるLIRE+を提案する。 LIRE+ は CBCT 再構成のための多変量学習非可逆原始双対反復スキームである。本手法は, ソラックステストセット上でのLIREを含む古典的および深層学習ベースラインを超越した手法である。
論文参考訳（メタデータ） (2024-01-20T15:29:29Z)
Latent Diffusion Prior Enhanced Deep Unfolding for Snapshot Spectral Compressive Imaging [17.511583657111792]
スナップショット分光画像再構成は、単発2次元圧縮計測から3次元空間スペクトル像を再構成することを目的としている。我々は, 深部展開法に先立って劣化のないモデルを生成するため, 遅延拡散モデル(LDM)という生成モデルを導入する。
論文参考訳（メタデータ） (2023-11-24T04:55:20Z)
Improving Neural Indoor Surface Reconstruction with Mask-Guided Adaptive Consistency Constraints [0.6749750044497732]
本稿では、ビュー依存色とビュー非依存色を分離する2段階のトレーニングプロセスを提案し、さらに2つの新しい一貫性制約を活用して、余分な事前処理を必要とせず、詳細な再構成性能を向上させる。合成および実世界のデータセットの実験は、事前推定誤差から干渉を減らす能力を示している。
論文参考訳（メタデータ） (2023-09-18T13:05:23Z)
Iterative Soft Shrinkage Learning for Efficient Image Super-Resolution [91.3781512926942]
画像超解像(SR)は、CNNからトランスフォーマーアーキテクチャへの広範なニューラルネットワーク設計を目撃している。本研究は,市販のネットワーク設計を生かし,基礎となる計算オーバーヘッドを低減するため,超高解像度イテレーションにおけるネットワークプルーニングの可能性について検討する。本研究では, ランダムネットワークのスパース構造を最適化し, 重要でない重みを小さめに微調整することにより, 反復型軟収縮率(ISS-P)法を提案する。
論文参考訳（メタデータ） (2023-03-16T21:06:13Z)
REGAS: REspiratory-GAted Synthesis of Views for Multi-Phase CBCT Reconstruction from a single 3D CBCT Acquisition [75.64791080418162]
REGASは、アンダーサンプドトモグラフィビューを合成し、再構成画像中のアーティファクトのエイリアスを緩和する自己教師手法を提案する。高解像度4Dデータ上でのディープニューラルネットワークの大規模なメモリコストに対処するため、REGASは分散して微分可能なフォワードプロジェクションを可能にする新しいレイパス変換(RPT)を導入した。
論文参考訳（メタデータ） (2022-08-17T03:42:19Z)
NeurAR: Neural Uncertainty for Autonomous 3D Reconstruction [64.36535692191343]
暗黙の神経表現はオフラインの3D再構成において魅力的な結果を示しており、オンラインSLAMシステムの可能性も最近示している。本論文は,1)新しい表現に基づく視点計画の質を評価するための基準を求めること,2)手作りではなく,異なる場面に一般化可能なデータから基準を学習すること,の2つの課題に対処する。本手法は, TSDFを用いた変形モデルやビュープランニングなしでの再構成モデルと比較した場合, レンダリングされた画像品質と再構成された3次元モデルの幾何学的品質について, 様々な指標について有意な改善を示す。
論文参考訳（メタデータ） (2022-07-22T10:05:36Z)
Reliability-based Mesh-to-Grid Image Reconstruction [0.0]
本稿では,メッシュと呼ばれる非整数位置にあるサンプルからの画像の再構成を行う新しい手法を提案する。提案手法は、後に新しい信頼性ベースのコンテンツ適応フレームワークによって改善された初期推定値のセットに依存する。
論文参考訳（メタデータ） (2022-05-20T12:32:52Z)
NVS-MonoDepth: Improving Monocular Depth Prediction with Novel View Synthesis [74.4983052902396]
単眼深度推定を改善するために,3つの主要なステップに分割した新しいトレーニング手法を提案する。実験により,KITTIおよびNYU-Depth-v2データセット上での最先端ないし同等の性能が得られた。
論文参考訳（メタデータ） (2021-12-22T12:21:08Z)
Riggable 3D Face Reconstruction via In-Network Optimization [58.016067611038046]
本稿では,単眼画像からの3次元顔再構成法を提案する。表情、ポーズ、照明を含む画像ごとのパーソナライズされた顔リグとパラメータを共同で推定する。実験により,SOTA復元精度,ロバスト性,一般化能力が得られた。
論文参考訳（メタデータ） (2021-04-08T03:53:20Z)

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。