Fugu-MT 論文翻訳(概要): Quad-Net: Quad-domain Network for CT Metal Artifact Reduction

論文の概要: Quad-Net: Quad-domain Network for CT Metal Artifact Reduction

arxiv url: http://arxiv.org/abs/2207.11678v2
Date: Thu, 1 Jun 2023 01:52:26 GMT
ステータス: 翻訳完了
システム内更新日: 2023-06-03 01:53:28.415857
Title: Quad-Net: Quad-domain Network for CT Metal Artifact Reduction
Title（参考訳）: クアドネット:CT金属アーチファクト低減のためのクアドドメインネットワーク
Authors: Zilong Li, Qi Gao, Yaping Wu, Chuang Niu, Junping Zhang, Meiyun Wang, Ge Wang, Hongming Shan
Abstract要約: 金属インプラントやその他の高密度物体はCT画像に重篤なストリーキングアーティファクトを導入している。ここでは、最先端のデュアルドメインディープネットワークアプローチをクワッドドメインに拡張する。提案するMAR用クアッドドメインネットワークは、Quad-Netと呼ばれ、計算コストをほとんど必要としない。
参考スコア（独自算出の注目度）: 33.52257638852766
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Metal implants and other high-density objects in patients introduce severe streaking artifacts in CT images, compromising image quality and diagnostic performance. Although various methods were developed for CT metal artifact reduction over the past decades, including the latest dual-domain deep networks, remaining metal artifacts are still clinically challenging in many cases. Here we extend the state-of-the-art dual-domain deep network approach into a quad-domain counterpart so that all the features in the sinogram, image, and their corresponding Fourier domains are synergized to eliminate metal artifacts optimally without compromising structural subtleties. Our proposed quad-domain network for MAR, referred to as Quad-Net, takes little additional computational cost since the Fourier transform is highly efficient, and works across the four receptive fields to learn both global and local features as well as their relations. Specifically, we first design a Sinogram-Fourier Restoration Network (SFR-Net) in the sinogram domain and its Fourier space to faithfully inpaint metal-corrupted traces. Then, we couple SFR-Net with an Image-Fourier Refinement Network (IFR-Net) which takes both an image and its Fourier spectrum to improve a CT image reconstructed from the SFR-Net output using cross-domain contextual information. Quad-Net is trained on clinical datasets to minimize a composite loss function. Quad-Net does not require precise metal masks, which is of great importance in clinical practice. Our experimental results demonstrate the superiority of Quad-Net over the state-of-the-art MAR methods quantitatively, visually, and statistically. The Quad-Net code is publicly available at https://github.com/longzilicart/Quad-Net.
Abstract（参考訳）: 患者の金属インプラントやその他の高密度物体は、ct画像に重度のストレッチアーティファクトを導入し、画像品質と診断性能を損なう。過去数十年間、最新のデュアルドメインディープネットワークを含む様々な方法がCT金属アーティファクト削減のために開発されたが、残っている金属アーティファクトは、多くの場合、まだ臨床的に困難である。ここでは、最先端のデュアルドメインディープネットワークアプローチをクワッドドメインに拡張し、シングラム、画像、およびそれに対応するフーリエドメインの全ての特徴を相乗化して、構造的微妙性を損なうことなく金属のアーティファクトを最適に除去する。提案手法はquad-netと呼ばれ,フーリエ変換が高効率であるため計算コストをほとんど必要とせず,大域的および局所的特徴とそれらの関係を学習するために4つの受容的分野にまたがって機能する。具体的には,まずシンノグラム領域とそのフーリエ空間内のシンノグラム-フーリエ復元ネットワーク(sfr-net)を忠実に塗装された金属腐食跡に設計した。次に、sfr-netに画像とフーリエスペクトルの両方を取り込む画像フーリエリファインメントネットワーク(ifr-net)を結合し、クロスドメインコンテキスト情報を用いてsfr-net出力から再構成されたct画像を改善する。 quad-netは、複合損失関数を最小化するために臨床データセットでトレーニングされる。クアッドネットは正確な金属マスクを必要としないため、臨床では非常に重要である。実験結果は,最先端のmar法に対するquad-netの優位性を定量的,視覚的,統計的に示している。 Quad-Netコードはhttps://github.com/longzilicart/Quad-Netで公開されている。

関連論文リスト

Deconver: A Deconvolutional Network for Medical Image Segmentation [40.679550836320786]
本稿では,U字型アーキテクチャの中核となる学習可能なコンポーネントとして,画像復元から従来のデコンボリューション技術を統合する新しいネットワークであるDeconverを紹介する。デコンバーは計算コストのかかる注意機構を非負の効率的なデコンボリューション操作に置き換える。これは、DiceスコアとHausdorff距離における最先端のパフォーマンスを達成し、主要なベースラインと比較して計算コスト(FLOP)を最大90%削減する。
論文参考訳（メタデータ） (2025-04-01T00:11:04Z)
TCCT-Net: Two-Stream Network Architecture for Fast and Efficient Engagement Estimation via Behavioral Feature Signals [58.865901821451295]
本稿では,新しい2ストリーム機能融合 "Tensor-Convolution and Convolution-Transformer Network" (TCCT-Net) アーキテクチャを提案する。時間空間領域における意味のあるパターンをよりよく学習するために、ハイブリッド畳み込み変換器を統合する「CT」ストリームを設計する。並行して、時間周波数領域からリッチなパターンを効率的に抽出するために、連続ウェーブレット変換(CWT)を用いて情報を2次元テンソル形式で表現する「TC」ストリームを導入する。
論文参考訳（メタデータ） (2024-04-15T06:01:48Z)
Distance Weighted Trans Network for Image Completion [52.318730994423106]
本稿では,DWT(Distance-based Weighted Transformer)を利用した画像コンポーネント間の関係をよりよく理解するためのアーキテクチャを提案する。 CNNは、粗い事前の局所的なテクスチャ情報を強化するために使用される。 DWTブロックは、特定の粗いテクスチャやコヒーレントな視覚構造を復元するために使用される。
論文参考訳（メタデータ） (2023-10-11T12:46:11Z)
FreeSeed: Frequency-band-aware and Self-guided Network for Sparse-view CT Reconstruction [34.91517935951518]
スパース・ビュー・コンピュート・トモグラフィー(CT)は, 患者への放射線曝露を迅速化し, 患者への放射線照射を緩和するための, 有望な方法である。近年,深層学習に基づく画像後処理手法が有望な成果を上げている。本稿では,FREquency-band-awarEとSelf-guidedを併用したFREquency-band-awarEとSelf-guidedネットワークを提案する。
論文参考訳（メタデータ） (2023-07-12T03:39:54Z)
MEPNet: A Model-Driven Equivariant Proximal Network for Joint Sparse-View Reconstruction and Metal Artifact Reduction in CT Images [29.458632068296854]
我々はMEPNetと呼ばれるモデル駆動の同変近似ネットワークを提案する。 MEPNetは最適化に着想を得ており、明確な動作メカニズムを持っている。コードをurlhttps://github.com/hongwang01/MEPNetでリリースします。
論文参考訳（メタデータ） (2023-06-25T15:50:11Z)
Multi-scale Transformer Network with Edge-aware Pre-training for Cross-Modality MR Image Synthesis [52.41439725865149]
クロスモダリティ磁気共鳴(MR)画像合成は、与えられたモダリティから欠落するモダリティを生成するために用いられる。既存の(教師付き学習)手法は、効果的な合成モデルを訓練するために、多くのペア化されたマルチモーダルデータを必要とすることが多い。マルチスケールトランスフォーマーネットワーク(MT-Net)を提案する。
論文参考訳（メタデータ） (2022-12-02T11:40:40Z)
Fourier-Net: Fast Image Registration with Band-limited Deformation [16.894559169947055]
教師なし画像登録では、全解像度空間領域における密度変位場を予測するためにU-Netスタイルのネットワークが一般的である。本稿では,パラメータフリーモデル駆動デコーダを用いて,U-Netスタイルネットワークにおける拡張パスを置き換えるフーリエネットを提案する。
論文参考訳（メタデータ） (2022-11-29T16:24:06Z)
TriDoNet: A Triple Domain Model-driven Network for CT Metal Artifact Reduction [7.959841510571622]
本稿では,TriDoNetと呼ばれる新しいトリプルドメインモデル駆動型CTMARネットワークを提案する。本研究では,非局所的繰り返しストリーキングパターンを適応しきい値を持つ明示的きついフレームスパース表現モデルとして符号化する。実験結果から,TriDoNetは優れたアーティファクト再現CT画像を生成することができることがわかった。
論文参考訳（メタデータ） (2022-11-14T08:28:57Z)
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)
CoTr: Efficiently Bridging CNN and Transformer for 3D Medical Image Segmentation [95.51455777713092]
畳み込みニューラルネットワーク(CNN)は、現代の3D医療画像セグメンテーションのデファクトスタンダードとなっている。本稿では,bf畳み込みニューラルネットワークとbfトランスbf(cotr)を効率良く橋渡しし,正確な3次元医用画像分割を実現する新しい枠組みを提案する。
論文参考訳（メタデータ） (2021-03-04T13:34:22Z)
DAN-Net: Dual-Domain Adaptive-Scaling Non-local Network for CT Metal Artifact Reduction [15.225899631788973]
金属インプラントはCTスキャンでX線を著しく減衰させ、再構成された画像に深刻なアーティファクトをもたらす。 CTにおける金属アーチファクト低減(MAR)のためのネットワークモデルがいくつか提案されている。 MARのための新しいデュアルドメイン適応スケーリング非ローカルネットワーク(DAN-Net)を紹介します。
論文参考訳（メタデータ） (2021-02-16T08:09:16Z)

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。