Fugu-MT 論文翻訳(概要): 3D helical CT reconstruction with memory efficient invertible Learned Primal-Dual method

論文の概要: 3D helical CT reconstruction with memory efficient invertible Learned Primal-Dual method

arxiv url: http://arxiv.org/abs/2205.11952v1
Date: Tue, 24 May 2022 10:32:32 GMT
ステータス: 処理完了
システム内更新日: 2022-05-25 12:35:07.799110
Title: 3D helical CT reconstruction with memory efficient invertible Learned Primal-Dual method
Title（参考訳）: 3次元ヘリカルCT再構成 : 記憶効率の良い非可逆学習法
Authors: Buda Baji\'c, Ozan \"Oktem, Jevgenija Rudzusika
Abstract要約: Invertible Learned Primal-Dual (iLPD) Deep Neural Network Architecture を応用し,ヘリカル3次元CT再構成に適用する。メモリに適合する部分で幾何学とデータを分割し、画像を対応するサブボリュームに分割することで、これを実現する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Helical acquisition geometry is the most common geometry used in computed tomography (CT) scanners for medical imaging. We adapt the invertible Learned Primal-Dual (iLPD) deep neural network architecture so that it can be applied to helical 3D CT reconstruction. We achieve this by splitting the geometry and the data in parts that fit the memory and by splitting images into corresponding sub-volumes. The architecture can be applied to images different in size along the rotation axis. We perform the experiments on tomographic data simulated from realistic helical geometries.
Abstract（参考訳）: ヘリカル取得幾何は、CT(Computed tomography)スキャナーで医療画像に使用される最も一般的な幾何学である。我々は,ilpd(invertible learned primal-dual)深層ニューラルネットワークアーキテクチャを適用し,ヘリカル3次元ct再構成に適用した。メモリに合う部分で幾何学とデータを分割し、画像を対応するサブボリュームに分割することで実現している。アーキテクチャは回転軸に沿った大きさの異なる画像に適用することができる。現実的なヘリカルジオメトリからシミュレーションしたトモグラフィーデータについて実験を行った。

関連論文リスト

TomoGRAF: A Robust and Generalizable Reconstruction Network for Single-View Computed Tomography [3.1209855614927275]
従来の解析的・定性的なCT再構成アルゴリズムは数百の角データサンプリングを必要とする。我々は,高品質な3Dボリュームを再構成するために,ユニークなX線輸送物理を取り入れた新しいTtomoGRAFフレームワークを開発した。
論文参考訳（メタデータ） (2024-11-12T20:07:59Z)
Artifact Reduction in 3D and 4D Cone-beam Computed Tomography Images with Deep Learning -- A Review [0.0]
コーンビームCT(CBCT)における画像品質向上のための深層学習技術本稿では,3次元のアーティファクトの削減に成功している深層学習技術の概要と,時間分解(4D)CBCTについて概説する。この研究の重要な発見の1つは、GANやスコアベース、拡散モデルを含む生成モデルの利用に向けた観測傾向である。
論文参考訳（メタデータ） (2024-03-27T13:46:01Z)
Geometry-Aware Attenuation Learning for Sparse-View CBCT Reconstruction [53.93674177236367]
Cone Beam Computed Tomography (CBCT) は臨床画像撮影において重要な役割を担っている。従来の方法では、高品質な3D CBCT画像の再構成には数百の2次元X線投影が必要である。これにより、放射線線量を減らすため、スパースビューCBCT再構成への関心が高まっている。本稿では,この問題を解決するために,新しい幾何対応エンコーダデコーダフレームワークを提案する。
論文参考訳（メタデータ） (2023-03-26T14:38:42Z)
Simulator-Based Self-Supervision for Learned 3D Tomography Reconstruction [34.93595625809309]
従来の機械学習アプローチでは、トレーニングのために別のアルゴリズムで計算された参照再構成が必要となる。我々は、ノイズの多い2次元X線データのみを用いて、完全に自己教師された方法でモデルを訓練する。以上の結果から,既存の再建技術よりも視覚的忠実度が高く,PSNRが優れていた。
論文参考訳（メタデータ） (2022-12-14T13:21:37Z)
Slice-level Detection of Intracranial Hemorrhage on CT Using Deep Descriptors of Adjacent Slices [0.31317409221921133]
そこで本研究では,隣接するスライスのディスクリプタに基づいて,CTスキャンでエンフスライスレベルの分類器を訓練する新しい手法を提案する。我々は、RSNA頭蓋内出血データセットの課題における、最高のパフォーマンスソリューションの上位4%において、単一のモデルを得る。提案手法は汎用的であり,MRIなどの他の3次元診断タスクにも適用可能である。
論文参考訳（メタデータ） (2022-08-05T23:20:37Z)
GLEAM: Greedy Learning for Large-Scale Accelerated MRI Reconstruction [50.248694764703714]
アンロールされたニューラルネットワークは、最近最先端の加速MRI再構成を達成した。これらのネットワークは、物理ベースの一貫性とニューラルネットワークベースの正規化を交互に組み合わせることで、反復最適化アルゴリズムをアンロールする。我々は,高次元画像設定のための効率的なトレーニング戦略である加速度MRI再構成のためのグレディ・ラーニングを提案する。
論文参考訳（メタデータ） (2022-07-18T06:01:29Z)
Enforcing connectivity of 3D linear structures using their 2D projections [54.0598511446694]
本稿では,2次元投影におけるトポロジ認識損失の総和を最小化することにより,結果の3次元接続性を改善することを提案する。これにより、精度の向上と、アノテーション付きトレーニングデータの提供に必要なアノテーションの労力の削減が図られる。
論文参考訳（メタデータ） (2022-07-14T11:42:18Z)
A Deep-Learning Approach For Direct Whole-Heart Mesh Reconstruction [1.8047694351309207]
本研究では,ボリュームCTとMR画像データから心表面メッシュ全体を直接予測する深層学習に基づく新しい手法を提案する。本手法は,高分解能,高品質の全心臓再建を実現できる有望な性能を示した。
論文参考訳（メタデータ） (2021-02-16T00:39:43Z)
Probabilistic 3D surface reconstruction from sparse MRI information [58.14653650521129]
スパース2次元MR画像データとアレータティック不確実性予測から3次元表面再構成を同時に行うための新しい確率論的深層学習手法を提案する。本手法は,3つの準直交MR画像スライスから,限られたトレーニングセットから大きな表面メッシュを再構成することができる。
論文参考訳（メタデータ） (2020-10-05T14:18:52Z)
Fed-Sim: Federated Simulation for Medical Imaging [131.56325440976207]
本稿では、2つの学習可能なニューラルモジュールからなる物理駆動型生成手法を提案する。データ合成フレームワークは、複数のデータセットの下流セグメンテーション性能を改善する。
論文参考訳（メタデータ） (2020-09-01T19:17:46Z)
Data Consistent CT Reconstruction from Insufficient Data with Learned Prior Images [70.13735569016752]
偽陰性病変と偽陽性病変を呈示し,CT画像再構成における深層学習の堅牢性について検討した。本稿では,圧縮センシングと深層学習の利点を組み合わせた画像品質向上のためのデータ一貫性再構築手法を提案する。提案手法の有効性は,円錐ビームCTにおいて,トランキャットデータ,リミテッドアングルデータ,スパースビューデータで示される。
論文参考訳（メタデータ） (2020-05-20T13:30:49Z)

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。