論文の概要: Nonlinear ill-posed problem in low-dose dental cone-beam computed tomography

• arxiv url: http://arxiv.org/abs/2303.01678v1
• Date: Fri, 3 Mar 2023 02:46:15 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-06 16:30:10.888085
• Title: Nonlinear ill-posed problem in low-dose dental cone-beam computed tomography
• Title（参考訳）: 低用量歯科用コーンビームCTにおける非線形不良問題
• Authors: Hyoung Suk Park and Chang Min Hyun and Jin Keun Seo
• Abstract要約: 本報告では, 歯科用CBCTが標準CTより悪用されている理由について述べる。 このような悪影響にもかかわらず, 歯科用CBCTシステムの需要は, コスト競争性や放射線線量が少なく, 急速に増大している。
• 参考スコア（独自算出の注目度）: 1.039109674772348
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper describes the mathematical structure of the ill-posed nonlinear inverse problem of low-dose dental cone-beam computed tomography (CBCT) and explains the advantages of a deep learning-based approach to the reconstruction of computed tomography images over conventional regularization methods. This paper explains the underlying reasons why dental CBCT is more ill-posed than standard computed tomography. Despite this severe ill-posedness, the demand for dental CBCT systems is rapidly growing because of their cost competitiveness and low radiation dose. We then describe the limitations of existing methods in the accurate restoration of the morphological structures of teeth using dental CBCT data severely damaged by metal implants. We further discuss the usefulness of panoramic images generated from CBCT data for accurate tooth segmentation. We also discuss the possibility of utilizing radiation-free intra-oral scan data as prior information in CBCT image reconstruction to compensate for the damage to data caused by metal implants.
• Abstract（参考訳）: 本稿では,低線量歯科用コーンビームCT(CBCT)の非線型逆問題に対する数学的構造について述べるとともに,従来の正規化法よりも深層学習による断層画像再構成の利点を説明する。 本報告では, 歯科用CBCTが標準CTより悪用されている理由について述べる。 このような悪影響にもかかわらず, 歯科用CBCTシステムの需要は, コスト競争性と低放射線量により急速に増加している。 次に,金属インプラントにより損傷を受けた歯科用CBCTデータを用いて,歯の形態的構造を正確に復元するための既存の方法の限界について述べる。 さらに,CBCTデータから生成されたパノラマ画像の有用性について検討した。 また,放射線のない口腔内スキャンデータをCBCT画像再構成の先行情報として活用し,金属インプラントによる損傷を補う可能性についても検討した。

関連論文リスト

• Improving Cone-Beam CT Image Quality with Knowledge Distillation-Enhanced Diffusion Model in Imbalanced Data Settings [6.157230849293829]
  毎日のコーンビームCT(CBCT)画像は、治療調整の要点であり、組織密度の精度が低い。 治療中のCBCTデータを最大化し, 疎対ファンビームCTで補完した。 本手法はRTにおけるCBCTスキャンから高画質CT画像を生成する上で有望であることを示す。
  論文  参考訳（メタデータ） (2024-09-19T07:56:06Z)
• End-to-End Model-based Deep Learning for Dual-Energy Computed Tomography Material Decomposition [53.14236375171593]
  本稿では,定量化のためのエンド・ツー・エンド材料分解(E2E-DEcomp)と呼ばれる深層学習手法を提案する。 AAPMスペクトルCTデータセットにおける直接E2E-DEcomp法の有効性を示す。
  論文  参考訳（メタデータ） (2024-06-01T16:20:59Z)
• 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)
• MARformer: An Efficient Metal Artifact Reduction Transformer for Dental CBCT Images [53.62335292022492]
  金属歯のインプラントはCBCTイメージングの過程で不愉快な金属加工物をもたらす可能性がある。 歯科用CBCT画像から金属アーティファクト低減(MAR)を実現するための効率的なトランスフォーマーを開発した。 P2FFN (Patch-wise Perceptive Feed Forward Network) も提案されている。
  論文  参考訳（メタデータ） (2023-11-16T06:02:03Z)
• ToothSegNet: Image Degradation meets Tooth Segmentation in CBCT Images [13.572872371886577]
  ToothSegNetは、トレーニング中に生成された劣化したイメージでセグメンテーションモデルを知る新しいフレームワークである。 ToothSegNetはより精密なセグメンテーションを生成し、最先端の医療画像セグメンテーション手法より優れている。
  論文  参考訳（メタデータ） (2023-07-05T01:41:24Z)
• SNAF: Sparse-view CBCT Reconstruction with Neural Attenuation Fields [71.84366290195487]
  神経減衰場を学習し,スパースビューCBCT再構成のためのSNAFを提案する。 提案手法は,入力ビューが20程度しかなく,高再生品質(30以上のPSNR)で優れた性能を実現する。
  論文  参考訳（メタデータ） (2022-11-30T14:51:14Z)
• Metal Artifact Reduction with Intra-Oral Scan Data for 3D Low Dose Maxillofacial CBCT Modeling [0.7444835592104696]
  高精度な3次元顎顔面CBCTモデリングのための2段階金属アーチファクト低減法を提案する。 第1段階では、金属関連アーティファクトを緩和するために画像と画像の深層学習ネットワークが使用される。 第2段階では、矯正された歯科用CBCT画像から骨を分割して3次元顎顔面モデルを構築する。
  論文  参考訳（メタデータ） (2022-02-08T00:24:41Z)
• Noise Conscious Training of Non Local Neural Network powered by Self Attentive Spectral Normalized Markovian Patch GAN for Low Dose CT Denoising [20.965610734723636]
  深層学習技術は低線量CT(LDCT) denoisingの主流の方法として現れている。 そこで本研究では,CT画像の近傍類似性を利用した新しい畳み込みモジュールを提案する。 次に,CTノイズの非定常性の問題に向けて移動し,LDCT復調のための新しいノイズ認識平均二乗誤差損失を導入した。
  論文  参考訳（メタデータ） (2020-11-11T10:44:52Z)
• A Learning-based Method for Online Adjustment of C-arm Cone-Beam CT Source Trajectories for Artifact Avoidance [47.345403652324514]
  市販CBCT装置で実現可能な復元品質はペダルスクリューの存在下での金属加工品のため不十分である。 そこで本研究では,C-arm CBCTソーストラジェクトリをスキャン中に調整し,特定のタスクに対する再構成品質を最適化することを提案する。 リアルにシミュレートされたデータに基づいてトレーニングされた畳み込みニューラルネットワークは、CBCTソース軌跡のシーン特異的な調整を可能にする品質指標を予測することができることを示す。
  論文  参考訳（メタデータ） (2020-08-14T09:23:50Z)
• Cascaded Convolutional Neural Networks with Perceptual Loss for Low Dose CT Denoising [0.0]
  低線量CT(low Dose CT Denoising)研究は、患者への放射線曝露のリスクを低減することを目的としている。 平均二乗誤差(MSE)を用いた最近のアプローチでは、画像の低コントラスト領域における微細構造の詳細が失われる傾向にある。 提案手法は,画像の低コントラスト領域における細かな構造的細部をより効果的に再構築する。
  論文  参考訳（メタデータ） (2020-06-26T00:35:26Z)
• 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。