論文の概要: Active CT Reconstruction with a Learned Sampling Policy
- arxiv url: http://arxiv.org/abs/2211.01670v1
- Date: Thu, 3 Nov 2022 09:27:33 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-04 14:02:19.548664
- Title: Active CT Reconstruction with a Learned Sampling Policy
- Title(参考訳): 学習的サンプリングポリシーを用いた能動ct再構成
- Authors: Ce Wang, Kun Shang, Haimiao Zhang, Shang Zhao, Dong Liang, S. Kevin
Zhou
- Abstract要約: 患者固有の高品質な再建のためのサンプリング位置を最適化するアクティブサンプリングポリシーを学習する。
NIH-AAPMデータセットにおいて、一般的な一様サンプリングよりも優れた性能を実現する。
このような設計により、関心のある領域内での復元品質を改善したRoI対応の再構築が可能となる。
- 参考スコア(独自算出の注目度): 20.076651784096736
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Computed tomography (CT) is a widely-used imaging technology that assists
clinical decision-making with high-quality human body representations. To
reduce the radiation dose posed by CT, sparse-view and limited-angle CT are
developed with preserved image quality. However, these methods are still stuck
with a fixed or uniform sampling strategy, which inhibits the possibility of
acquiring a better image with an even reduced dose. In this paper, we explore
this possibility via learning an active sampling policy that optimizes the
sampling positions for patient-specific, high-quality reconstruction. To this
end, we design an \textit{intelligent agent} for active recommendation of
sampling positions based on on-the-fly reconstruction with obtained sinograms
in a progressive fashion. With such a design, we achieve better performances on
the NIH-AAPM dataset over popular uniform sampling, especially when the number
of views is small. Finally, such a design also enables RoI-aware reconstruction
with improved reconstruction quality within regions of interest (RoI's) that
are clinically important. Experiments on the VerSe dataset demonstrate this
ability of our sampling policy, which is difficult to achieve based on uniform
sampling.
- Abstract(参考訳): CT(Computed tomography)は、高品質な人体表現による臨床的意思決定を支援する画像技術である。
CTによる放射線線量を減らすために、保存された画質でスパースビューとリミテッドアングルCTを開発する。
しかし、これらの手法は固定的あるいは均一なサンプリング戦略で立ち往生しており、さらに少ない線量でより良い画像を得る可能性を抑制する。
本稿では,患者固有の高品質再構築のためのサンプリング位置を最適化するアクティブサンプリングポリシーの学習を通じて,この可能性を探る。
そこで本研究では,得られたシンノグラムを用いたオン・ザ・フライ・コンストラクションに基づくサンプリング位置のアクティブな推薦を行うための \textit{intelligent agent} を設計した。
このような設計により、一般的な一様サンプリングよりもNIH-AAPMデータセットの性能が向上する。
最後に, 臨床的に重要な関心領域 (RoI) の再現品質を向上したRoIアウェアリコンストラクションも実現した。
verseデータセットを用いた実験では,一様サンプリングでは達成が困難であるサンプリングポリシーの能力が実証された。
関連論文リスト
- Rotational Augmented Noise2Inverse for Low-dose Computed Tomography
Reconstruction [83.73429628413773]
改良された深層学習手法は、画像のノイズを除去する能力を示しているが、正確な地上の真実を必要とする。
畳み込みニューラルネットワーク(CNN)のトレーニングに基礎的真理を必要としないLDCTのための新しい自己教師型フレームワークを提案する。
数値および実験結果から,Sparse View を用いた N2I の再構成精度は低下しており,提案手法は異なる範囲のサンプリング角度で画像品質を向上する。
論文 参考訳(メタデータ) (2023-12-19T22:40:51Z) - Diffusion Prior Regularized Iterative Reconstruction for Low-dose CT [9.866443235747287]
拡散前に正規化された反復的再構成アルゴリズムを導入する。
また、ネステロフ運動量加速技術も取り入れた。
本手法は,高分解能CT画像の再構成を最小限の放射線で行うことが可能である。
論文 参考訳(メタデータ) (2023-10-10T19:08:57Z) - 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) - OADAT: Experimental and Synthetic Clinical Optoacoustic Data for
Standardized Image Processing [62.993663757843464]
オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。
OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。
臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
論文 参考訳(メタデータ) (2022-06-17T08:11:26Z) - Adaptive Local Neighborhood-based Neural Networks for MR Image
Reconstruction from Undersampled Data [7.670270099306413]
近年の研究では,少ないサンプルのk空間データから深層学習を用いたMR画像の再構成が期待されている。
そこで本研究では,ニューラルネットワークを適応的に推定された訓練セットの小さな地区に適合させることにより,再構築時に直接ディープニューラルネットワークを推定する手法を提案する。
提案手法は,大規模データセットおよび他のスキャン適応手法を用いて世界規模で訓練されたモデルと比較して,高品質な再構成を実現することを示す。
論文 参考訳(メタデータ) (2022-06-01T21:37:03Z) - Multi-scale reconstruction of undersampled spectral-spatial OCT data for
coronary imaging using deep learning [1.8359410255568984]
血管内光コヒーレンス断層撮影(IV OCT)は冠状動脈疾患(CAD)の診断・治療に最適であると考えられる。
高分解能と高速走査率のトレードオフがある。
本稿では,スペクトル領域と空間領域の両方でサンプリングプロセスをダウンスケールするスペクトル空間取得手法を提案する。
論文 参考訳(メタデータ) (2022-04-25T16:37:25Z) - 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) - Multi-Modal MRI Reconstruction with Spatial Alignment Network [51.74078260367654]
臨床実践では、複数のコントラストを持つMRIが1つの研究で取得されるのが普通である。
近年の研究では、異なるコントラストやモダリティの冗長性を考慮すると、k空間にアンダーサンプリングされたMRIの目標モダリティは、完全にサンプリングされたシーケンスの助けを借りてよりよく再構成できることが示されている。
本稿では,空間アライメントネットワークと再構成を統合し,再構成対象のモダリティの質を向上させる。
論文 参考訳(メタデータ) (2021-08-12T08:46:35Z) - Adaptive Gradient Balancing for UndersampledMRI Reconstruction and
Image-to-Image Translation [60.663499381212425]
本研究では,新しい適応勾配バランス手法を併用したwasserstein生成逆ネットワークを用いて,画質の向上を図る。
MRIでは、他の技術よりも鮮明な画像を生成する高品質の再構築を維持しながら、アーティファクトを最小限に抑えます。
論文 参考訳(メタデータ) (2021-04-05T13:05:22Z) - Joint reconstruction and bias field correction for undersampled MR
imaging [7.409376558513677]
k空間をMRIでアンサンプすることで、貴重な取得時間を節約できるが、結果として不適切な逆転問題が発生する。
ディープラーニングのスキームは、トレーニングデータと、テスト時に再構成される画像の違いに影響を受けやすい。
本研究は,再建問題のバイアス場に対する感度に対処し,再設計において明確にモデル化することを提案する。
論文 参考訳(メタデータ) (2020-07-26T12:58:34Z) - Learning Sampling and Model-Based Signal Recovery for Compressed Sensing
MRI [30.838990115880197]
圧縮センシング(CS)MRIは、画像品質を損なうことなく、取得を加速するためにk空間の適切なアンサンプに依存する。
タスク適応型k空間サンプリングとそれに続くモデルベース近位回復ネットワークの併用学習を提案する。
高いフレキシブルサンプリングモデルとモデルベース(サンプル適応型)画像再構成ネットワークの組み合わせにより、探索と効率的なトレーニングが容易になり、MR画像の品質が向上した。
論文 参考訳(メタデータ) (2020-04-22T12:50:03Z)
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。