論文の概要: REGAS: REspiratory-GAted Synthesis of Views for Multi-Phase CBCT Reconstruction from a single 3D CBCT Acquisition

• arxiv url: http://arxiv.org/abs/2208.08048v1
• Date: Wed, 17 Aug 2022 03:42:19 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-18 13:14:37.066738
• Title: REGAS: REspiratory-GAted Synthesis of Views for Multi-Phase CBCT Reconstruction from a single 3D CBCT Acquisition
• Title（参考訳）: regas:single 3d cbctによる多相cbct再構成の視点の呼吸制御合成
• Authors: Cheng Peng, Haofu Liao, S. Kevin Zhou, Rama Chellappa
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 75.64791080418162
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: It is a long-standing challenge to reconstruct Cone Beam Computed Tomography (CBCT) of the lung under respiratory motion. This work takes a step further to address a challenging setting in reconstructing a multi-phase}4D lung image from just a single}3D CBCT acquisition. To this end, we introduce REpiratory-GAted Synthesis of views, or REGAS. REGAS proposes a self-supervised method to synthesize the undersampled tomographic views and mitigate aliasing artifacts in reconstructed images. This method allows a much better estimation of between-phase Deformation Vector Fields (DVFs), which are used to enhance reconstruction quality from direct observations without synthesis. To address the large memory cost of deep neural networks on high resolution 4D data, REGAS introduces a novel Ray Path Transformation (RPT) that allows for distributed, differentiable forward projections. REGAS require no additional measurements like prior scans, air-flow volume, or breathing velocity. Our extensive experiments show that REGAS significantly outperforms comparable methods in quantitative metrics and visual quality.
• Abstract（参考訳）: 呼吸運動下肺のCone Beam Computed Tomography(CBCT)の再建は,長年にわたる課題である。 この研究はさらに一歩進んで、単一の3d cbct取得から多相4d肺画像を再構築する難しい状況に対処します。 そこで我々は,Repiratory-GAted Synthesis of view(REGAS)を紹介する。 REGASは、アンダーサンプル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を緩和する自己教師方式を提案する。 本手法は, 直接観測から再現品質を高めるために用いられる, 相間変形ベクトル場(DVF)のより優れた推定を可能にする。 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。 REGASは、事前スキャン、気流量、呼吸速度などの追加測定を必要としない。 我々の広範な実験により、REGASは定量的メトリクスと視覚的品質において、同等の手法を著しく上回っていることが示された。

関連論文リスト

• Fast and accurate sparse-view CBCT reconstruction using meta-learned neural attenuation field and hash-encoding regularization [13.01191568245715]
  コーンビームCT(CBCT)は、患者の内部解剖学的構造を可視化する新しい医用イメージング技術である。 再構成画像の品質を維持しながらCBCTスキャンにおける投影回数を減らすことは困難である。 本研究では,高速かつ高精度な CBCT 再構成手法を提案する。
  論文  参考訳（メタデータ） (2023-12-04T07:23:44Z)
• Multi-class point cloud completion networks for 3D cardiac anatomy reconstruction from cine magnetic resonance images [4.1448595037512925]
  マルチクラスの心臓解剖学的メッシュを再構築できる新しい完全自動表面再構成パイプラインを提案する。 その鍵となるコンポーネントは、マルチクラスポイントクラウド補完ネットワーク(PCCN)である。
  論文  参考訳（メタデータ） (2023-07-17T14:52:52Z)
• Geometry-Aware Attenuation Field Learning for Sparse-View CBCT Reconstruction [61.48254686722434]
  Cone Beam Computed Tomography (CBCT) は歯科医療において最も広く用いられている画像診断法である。 Sparse-view CBCT 再建は放射線線量削減に重点を置いている。 本稿では,マルチビューX線プロジェクションからボリューム特徴を初めて符号化することで,新しい減衰場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)
• VolRecon: Volume Rendering of Signed Ray Distance Functions for Generalizable Multi-View Reconstruction [64.09702079593372]
  VolRecon は Signed Ray Distance Function (SRDF) を用いた新しい一般化可能な暗黙的再構成法である DTUデータセットでは、VolReconはスパースビュー再構築においてSparseNeuSを約30%上回り、フルビュー再構築においてMVSNetと同等の精度を達成する。
  論文  参考訳（メタデータ） (2022-12-15T18:59:54Z)
• LARO: Learned Acquisition and Reconstruction Optimization to accelerate Quantitative Susceptibility Mapping [24.665782241561185]
  Learned Acquisition and Reconstruction Optimization (LARO) は、定量的感受性マッピング(QSM)のためのマルチエコー勾配エコー(mGRE)パルスシーケンスを高速化することを目的としている。 提案手法では, 深部再構成ネットワークを用いて, モンテカルロマルチエコk空間サンプリングパターンを最適化する。 本研究は,最適化されたサンプリングパターンと提案した再構成戦略の両方が,マルチエコ画像再構成の品質向上に有効であることを示す。
  論文  参考訳（メタデータ） (2022-11-01T20:04:29Z)
• Towards performant and reliable undersampled MR reconstruction via diffusion model sampling [67.73698021297022]
  DiffuseReconは拡散モデルに基づく新しいMR再構成法である。 観測された信号に基づいて生成過程を導出する。 特定の加速因子に関する追加の訓練は必要としない。
  論文  参考訳（メタデータ） (2022-03-08T02:25:38Z)
• ReconFormer: Accelerated MRI Reconstruction Using Recurrent Transformer [60.27951773998535]
  本稿では,MRI再構成のためのリカレントトランスモデルである textbfReconFormer を提案する。 高度にアンダーサンプリングされたk空間データから高純度磁気共鳴像を反復的に再構成することができる。 パラメータ効率が向上し,最先端手法よりも大幅に向上したことを示す。
  論文  参考訳（メタデータ） (2022-01-23T21:58:19Z)
• Sparse-View CT Reconstruction using Recurrent Stacked Back Projection [3.91278924473622]
  Recurrent Stacked Back Projection (RSBP) と呼ばれる直接再構成手法を導入する。 RSBPは、反復的な畳み込みLSTMネットワークへの入力として、個々のビューの逐次的に取得されたバックプロジェクションを使用する。 本研究では,FBP画像の処理後処理と基本MBIRの処理後処理において,計算コストがMBIRよりも低くなることを実証する。
  論文  参考訳（メタデータ） (2021-12-09T15:44:35Z)
• Reference-based Magnetic Resonance Image Reconstruction Using Texture Transforme [86.6394254676369]
  高速MRI再構成のための新しいテクスチャトランスフォーマーモジュール(TTM)を提案する。 変換器のクエリやキーとしてアンダーサンプルのデータと参照データを定式化する。 提案したTTMは、MRIの再構成手法に積み重ねることで、その性能をさらに向上させることができる。
  論文  参考訳（メタデータ） (2021-11-18T03:06:25Z)
• ReconResNet: Regularised Residual Learning for MR Image Reconstruction of Undersampled Cartesian and Radial Data [0.3694429692322631]
  データの一部(アンダーサンプリング)を無視して取得速度を上げることができる これにより、解像度の低下や画像アーティファクトの導入など、画質が劣化する。 深層学習は研究の非常に重要な分野として現れ、逆問題の解決に大きな可能性を示してきました。
  論文  参考訳（メタデータ） (2021-03-16T17:24:30Z)

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。