論文の概要: Geometric Constraints Enable Self-Supervised Sinogram Inpainting in
Sparse-View Tomography
- arxiv url: http://arxiv.org/abs/2302.06436v1
- Date: Mon, 13 Feb 2023 15:15:18 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-14 15:01:42.405207
- Title: Geometric Constraints Enable Self-Supervised Sinogram Inpainting in
Sparse-View Tomography
- Title(参考訳): Sparse-View Tomography における自己監督型Sinogram Inpaintingを可能にする幾何学的制約
- Authors: Fabian Wagner, Mareike Thies, Noah Maul, Laura Pfaff, Oliver Aust,
Sabrina Pechmann, Christopher Syben, Andreas Maier
- Abstract要約: スパース角度トモグラフィースキャンは放射線を低減し、データ取得を加速するが、画像のアーチファクトやノイズに悩まされる。
既存の画像処理アルゴリズムはCT再構成の品質を復元することができるが、大きなトレーニングデータセットを必要とする場合が多い。
本研究は、勾配に基づく最適化により、欠落した投影ビューを学習できる自己教師付きプロジェクションインペインティング手法を提案する。
- 参考スコア(独自算出の注目度): 7.416898042520079
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The diagnostic quality of computed tomography (CT) scans is usually
restricted by the induced patient dose, scan speed, and image quality.
Sparse-angle tomographic scans reduce radiation exposure and accelerate data
acquisition, but suffer from image artifacts and noise. Existing image
processing algorithms can restore CT reconstruction quality but often require
large training data sets or can not be used for truncated objects. This work
presents a self-supervised projection inpainting method that allows learning
missing projective views via gradient-based optimization. By reconstructing
independent stacks of projection data, a self-supervised loss is calculated in
the CT image domain and used to directly optimize projection image intensities
to match the missing tomographic views constrained by the projection geometry.
Our experiments on real X-ray microscope (XRM) tomographic mouse tibia bone
scans show that our method improves reconstructions by 3.1-7.4%/7.7-17.6% in
terms of PSNR/SSIM with respect to the interpolation baseline. Our approach is
applicable as a flexible self-supervised projection inpainting tool for
tomographic applications.
- Abstract(参考訳): CTスキャンの診断精度は、通常、誘発された患者線量、スキャン速度、画像品質によって制限される。
偏角断層撮影は放射線被曝を減少させ、データ取得を加速するが、画像のアーティファクトやノイズに苦しむ。
既存の画像処理アルゴリズムはCT再構成の品質を復元することができるが、大きなトレーニングデータセットを必要とする場合が多い。
本研究は、勾配に基づく最適化による投影ビューの欠落を学習できる自己教師あり投影図作成手法を提案する。
投影データの独立したスタックを再構成することにより、ct画像領域で自己教師付き損失を算出し、投影幾何で制約された行方不明の断層画像ビューにマッチするように投影画像強度を直接最適化する。
実際のX線顕微鏡(XRM)を用いたX線トモグラフィマウスの骨スキャン実験により,PSNR/SSIMでは3.1-7.4%/7.7-17.6%の再現性を示した。
我々の手法は、トモグラフィー応用のためのフレキシブルな自己教師型プロジェクション塗装ツールとして適用できる。
関連論文リスト
- APRF: Anti-Aliasing Projection Representation Field for Inverse Problem
in Imaging [74.9262846410559]
Sparse-view Computed Tomography (SVCT) は画像の逆問題である。
近年の研究では、インプリシット・ニューラル・リ表現(INR)を用いて、シングラムとCT画像の座標に基づくマッピングを構築している。
自己教師型SVCT再構成法の提案 -抗エイリアス射影表現場(APRF)-
APRFは空間的制約によって隣接する投影ビュー間の連続的な表現を構築することができる。
論文 参考訳(メタデータ) (2023-07-11T14:04:12Z) - Quantum optimization algorithms for CT image segmentation from X-ray
data [0.0]
本稿では,2次非制約二元最適化(QUBO)と呼ばれる高度な量子最適化アルゴリズムを用いた新しい手法を提案する。
ラドン変換を用いて、実験的に得られたシングラムと量子化されたセグメンテーションCT画像から得られた量子化されたシングラムとの差を最小限に抑えたX線投影データからのセグメンテーションCT画像の取得を可能にする。
本研究は,実世界のX線データの検証にD-Waveのハイブリッドソルバシステムを利用した。
論文 参考訳(メタデータ) (2023-06-08T19:37:43Z) - Deep learning network to correct axial and coronal eye motion in 3D OCT
retinal imaging [65.47834983591957]
深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。
実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
論文 参考訳(メタデータ) (2023-05-27T03:55:19Z) - 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) - Generative Modeling in Sinogram Domain for Sparse-view CT Reconstruction [12.932897771104825]
CT検査では投射回数を直感的に減らすことで放射線線量を大幅に減少させることができる。
疎視データを用いた従来のディープラーニング技術では、教師付き方法でネットワークをトレーニングするためにスパースビュー/フルビューCTイメージペアが必要である。
スパース・ビューCT再構成のための非教師なしスコアベース生成モデルについて検討した。
論文 参考訳(メタデータ) (2022-11-25T06:49:18Z) - Joint Rigid Motion Correction and Sparse-View CT via Self-Calibrating
Neural Field [37.86878619100209]
NeRFは自己教師型ディープラーニングフレームワークとしてSparse-View (SV) CT再構成問題で広く注目を集めている。
既存のNeRFベースのSVCT法は、CT取得中に全く相対的な動きがないと厳密に仮定する。
本研究は, 剛性運動崩壊SV測定からアーチファクトフリーなイメージを復元する自己校正型ニューラルネットワークを提案する。
論文 参考訳(メタデータ) (2022-10-23T13:55:07Z) - Multi-Channel Convolutional Analysis Operator Learning for Dual-Energy
CT Reconstruction [108.06731611196291]
我々は,多チャンネル畳み込み解析演算子学習法(MCAOL)を開発した。
本研究では,低エネルギー,高エネルギーで減衰画像を共同で再構成する最適化手法を提案する。
論文 参考訳(メタデータ) (2022-03-10T14:22:54Z) - Self-Attention Generative Adversarial Network for Iterative
Reconstruction of CT Images [0.9208007322096533]
本研究の目的は、ノイズや不完全なデータから高品質なCT画像を再構成するために、単一のニューラルネットワークを訓練することである。
ネットワークには、データ内の長距離依存関係をモデル化するセルフアテンションブロックが含まれている。
我々のアプローチはCIRCLE GANに匹敵する全体的なパフォーマンスを示し、他の2つのアプローチよりも優れています。
論文 参考訳(メタデータ) (2021-12-23T19:20:38Z) - A parameter refinement method for Ptychography based on Deep Learning
concepts [55.41644538483948]
伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。
最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。
我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
論文 参考訳(メタデータ) (2021-05-18T10:15:17Z) - Interpolation of CT Projections by Exploiting Their Self-Similarity and
Smoothness [6.891238879512674]
提案アルゴリズムは, シングラムの自己相似性と滑らか性を利用する。
シミュレーションおよび実ctデータを用いた実験により,提案アルゴリズムを用いたシンノグラムにより,再構成画像の品質が大幅に向上することが示された。
論文 参考訳(メタデータ) (2021-03-05T22:41:25Z) - 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。
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。