論文の概要: Metal Inpainting in CBCT Projections Using Score-based Generative Model

• arxiv url: http://arxiv.org/abs/2209.09733v1
• Date: Tue, 20 Sep 2022 14:07:39 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-21 19:19:54.280346
• Title: Metal Inpainting in CBCT Projections Using Score-based Generative Model
• Title（参考訳）: スコアベース生成モデルを用いたCBCTプロジェクションの金属塗布
• Authors: Siyuan Mei, Fuxin Fan, Andreas Maier
• Abstract要約: 本研究は, 膝投射を模擬したスコアベース生成モデルを訓練し, 条件付き再サンプリングプロセスにおいて, ノイズを取り除き, インペインテッド画像を得る。 その結果, スコアベース生成モデルによるインペイント画像は, より詳細な情報を持ち, 平均絶対誤差が最も低く, ピーク信号対雑音比が最も高いことが示唆された。
• 参考スコア（独自算出の注目度）: 8.889876750552615
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: During orthopaedic surgery, the inserting of metallic implants or screws are often performed under mobile C-arm systems. Due to the high attenuation of metals, severe metal artifacts occur in 3D reconstructions, which degrade the image quality greatly. To reduce the artifacts, many metal artifact reduction algorithms have been developed and metal inpainting in projection domain is an essential step. In this work, a score-based generative model is trained on simulated knee projections and the inpainted image is obtained by removing the noise in conditional resampling process. The result implies that the inpainted images by score-based generative model have more detailed information and achieve the lowest mean absolute error and the highest peak-signal-to-noise-ratio compared with interpolation and CNN based method. Besides, the score-based model can also recover projections with big circlar and rectangular masks, showing its generalization in inpainting task.
• Abstract（参考訳）: 整形外科手術中、金属インプラントやスクリューの挿入は移動式Cアームシステムでしばしば行われる。 金属の高減衰のため、3次元復元では重金属のアーティファクトが発生し、画質が著しく低下する。 アーティファクトを減らすために、多くの金属アーティファクト低減アルゴリズムが開発され、プロジェクションドメインの金属インペインティングは必須のステップである。 本研究は, 膝投射を模擬したスコアベース生成モデルを訓練し, 条件付き再サンプリングプロセスにおいて, ノイズを取り除き, インペインテッド画像を得る。 その結果、スコアベース生成モデルによるインペイント画像は、補間法やCNN法と比較して、より詳細な情報を持ち、最小平均絶対誤差と最高ピーク信号-雑音比を達成することが示唆された。 さらに、スコアベースモデルでは、大きな丸いマスクと長方形のマスクで投影を復元することができる。

関連論文リスト

• Gradpaint: Gradient-Guided Inpainting with Diffusion Models [71.47496445507862]
  Denoising Diffusion Probabilistic Models (DDPM) は近年,条件付きおよび非条件付き画像生成において顕著な成果を上げている。 我々はGradPaintを紹介し、グローバルな一貫性のあるイメージに向けて世代を操る。 我々は、様々なデータセットで訓練された拡散モデルによく適応し、現在最先端の教師付きおよび教師なしの手法を改善している。
  論文  参考訳（メタデータ） (2023-09-18T09:36:24Z)
• Disruptive Autoencoders: Leveraging Low-level features for 3D Medical Image Pre-training [51.16994853817024]
  本研究は、3Dラジオグラフィ画像のための効果的な事前学習フレームワークの設計に焦点をあてる。 ローカルマスキングと低レベルの摂動の組み合わせによって生成された破壊から、オリジナルのイメージを再構築しようとする事前トレーニングフレームワークであるDisruptive Autoencodersを紹介する。 提案する事前トレーニングフレームワークは、複数のダウンストリームタスクでテストされ、最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2023-07-31T17:59:42Z)
• On Sensitivity and Robustness of Normalization Schemes to Input Distribution Shifts in Automatic MR Image Diagnosis [58.634791552376235]
  深層学習(DL)モデルは、再構成画像を入力として、複数の疾患の診断において最先端のパフォーマンスを達成した。 DLモデルは、トレーニングとテストフェーズ間の入力データ分布の変化につながるため、さまざまなアーティファクトに敏感である。 本稿では,グループ正規化やレイヤ正規化といった他の正規化手法を用いて,画像のさまざまなアーチファクトに対して,モデル性能にロバスト性を注入することを提案する。
  論文  参考訳（メタデータ） (2023-06-23T03:09:03Z)
• RetinexFlow for CT metal artifact reduction [10.612456151972113]
  金属アーチファクトはCT(Computerd tomography)イメージングにおいて大きな課題である。 本研究では, 分解作業と完成作業の組合せとして, 金属加工品の還元問題を定式化する。 本稿では、Retinex理論と条件正規化フローに基づく、新しいエンドツーエンド画像ドメインモデルであるRetinexFlowを提案する。
  論文  参考訳（メタデータ） (2023-06-18T10:53:52Z)
• Orientation-Shared Convolution Representation for CT Metal Artifact Learning [63.67718355820655]
  X線CT(CT)スキャン中、患者を乗せた金属インプラントは、しばしば有害なアーティファクトに繋がる。 既存のディープラーニングベースの手法は、有望な再構築性能を得た。 本稿では,人工物の物理的事前構造に適応するために,配向型畳み込み表現戦略を提案する。
  論文  参考訳（メタデータ） (2022-12-26T13:56:12Z)
• Metal-conscious Embedding for CBCT Projection Inpainting [6.94542730064006]
  コーンビームCT(CBCT)の投影画像における金属インプラントの存在は、望ましくないアーティファクトを導入している。 本研究では,視覚変換器(ViT)と畳み込みニューラルネットワークを組み合わせたハイブリッドネットワークを,塗装作業のベースラインネットワークとして提案する。
  論文  参考訳（メタデータ） (2022-11-29T13:55:49Z)
• Metal artifact correction in cone beam computed tomography using synthetic X-ray data [0.0]
  解剖学に挿入された金属インプラントは、再建された画像に深刻なアーティファクトを引き起こす。 1つのアプローチは、プロジェクションに金属を分割するために深層学習法を使用することである。 比較的少数の光子を用いたシミュレーションは, 金属セグメンテーションに適していることを示す。
  論文  参考訳（メタデータ） (2022-08-17T13:31:38Z)
• Practical Blind Image Denoising via Swin-Conv-UNet and Data Synthesis [148.16279746287452]
  本研究では,残差畳み込み層の局所モデリング能力とスウィントランスブロックの非局所モデリング能力を組み込むスウィンコンブブロックを提案する。 トレーニングデータ合成のために,異なる種類のノイズを考慮した実用的なノイズ劣化モデルの設計を行う。 AGWN除去と実画像復号化の実験は、新しいネットワークアーキテクチャ設計が最先端の性能を達成することを実証している。
  論文  参考訳（メタデータ） (2022-03-24T18:11:31Z)
• Simulation-Driven Training of Vision Transformers Enabling Metal Segmentation in X-Ray Images [6.416928579907334]
  本研究は,CTデータセットとCADインプラントを組み合わせたシミュレーションX線画像を生成することを提案する。 CBCT射影における金属セグメンテーションは、金属アーティファクト回避および還元アルゴリズムの前提条件となる。 本研究は,CADモデルに基づくデータ生成の柔軟性が向上し,臨床データサンプリングとラベル付けの不足を克服する手段となる可能性が示唆された。
  論文  参考訳（メタデータ） (2022-03-17T09:58:58Z)
• Inner-ear Augmented Metal Artifact Reduction with Simulation-based 3D Generative Adversarial Networks [0.0]
  金属のアーティファクトは、ctにおける術後画像の高品質な視覚的評価に困難をもたらす。 生成的対向ニューラルネットワークに基づく3次元金属アーチファクト削減アルゴリズムを提案する。 人工内耳電極で作成した物理的にリアルなCT金属アーチファクトを,術前の画像上でシミュレーションした。
  論文  参考訳（メタデータ） (2021-04-26T12:22:56Z)
• Hierarchical Amortized Training for Memory-efficient High Resolution 3D GAN [52.851990439671475]
  本稿では,高解像度な3D画像を生成することができる新しいエンドツーエンドGANアーキテクチャを提案する。 トレーニングと推論の異なる構成を使用することで、この目標を達成する。 3次元胸郭CTと脳MRIの実験により、我々のアプローチは画像生成における最先端技術より優れていることが示された。
  論文  参考訳（メタデータ） (2020-08-05T02:33:04Z)

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。