論文の概要: Zero-shot CT Field-of-view Completion with Unconditional Generative
Diffusion Prior
- arxiv url: http://arxiv.org/abs/2304.03760v1
- Date: Fri, 7 Apr 2023 17:54:40 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-10 11:19:31.645810
- Title: Zero-shot CT Field-of-view Completion with Unconditional Generative
Diffusion Prior
- Title(参考訳): 非条件生成拡散によるゼロショットCTフィールド・オブ・ビュー補完
- Authors: Kaiwen Xu, Aravind R. Krishnan, Thomas Z. Li, Yuankai Huo, Kim L.
Sandler, Fabien Maldonado, Bennett A. Landman
- Abstract要約: 解剖学的に一貫した視野 (FOV) の完成により, 縮小した身体部位を復元する手法は, FOVを限定したCTの定量的解析に重要である。
既存の条件生成モデルに基づく解法は、学習段階における合成トランケーションパターンの忠実度に依存しており、この方法が未知のトランケーションの潜在的な種類に一般化可能であることを制限している。
本研究では,事前訓練された非条件生成拡散に基づくゼロショット法の評価を行った。
- 参考スコア(独自算出の注目度): 4.084687005614829
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Anatomically consistent field-of-view (FOV) completion to recover truncated
body sections has important applications in quantitative analyses of computed
tomography (CT) with limited FOV. Existing solution based on conditional
generative models relies on the fidelity of synthetic truncation patterns at
training phase, which poses limitations for the generalizability of the method
to potential unknown types of truncation. In this study, we evaluate a
zero-shot method based on a pretrained unconditional generative diffusion
prior, where truncation pattern with arbitrary forms can be specified at
inference phase. In evaluation on simulated chest CT slices with synthetic FOV
truncation, the method is capable of recovering anatomically consistent body
sections and subcutaneous adipose tissue measurement error caused by FOV
truncation. However, the correction accuracy is inferior to the conditionally
trained counterpart.
- Abstract(参考訳): 解剖学的に一貫した視野 (FOV) の完成により, 難治部位の回復が, FOVに制限のあるCTの定量的解析に重要である。
条件付き生成モデルに基づく既存の解は、訓練段階における合成トランジションパターンの忠実性に依存しており、このことは、潜在的な未知のトランジションタイプに対する方法の一般化可能性の限界となる。
本研究では,事前訓練された非条件生成拡散前処理に基づくゼロショット法を評価する。
合成FOVトランケーションによる模擬胸部CTスライスの評価において、解剖学的に一貫した身体切片と、FOVトランケーションによる皮下脂肪組織測定誤差を回復することができる。
しかし、補正精度は条件的に訓練されたものと劣る。
関連論文リスト
- Diffusion Posterior Sampling for Nonlinear CT Reconstruction [19.06866780172265]
拡散後方サンプリングは, 高品質なCT画像の高画質化に用いられている。
現在の方法では、画像の再構成や復元にX線CT物理の線形モデルにのみ依存している。
本研究では,拡散後サンプリングによる非線形CT画像再構成の逆問題を解決する手法を提案する。
論文 参考訳(メタデータ) (2023-12-03T17:20:11Z) - Calibrating Neural Simulation-Based Inference with Differentiable
Coverage Probability [50.44439018155837]
ニューラルモデルのトレーニング目的に直接キャリブレーション項を含めることを提案する。
古典的なキャリブレーション誤差の定式化を緩和することにより、エンドツーエンドのバックプロパゲーションを可能にする。
既存の計算パイプラインに直接適用でき、信頼性の高いブラックボックス後部推論が可能である。
論文 参考訳(メタデータ) (2023-10-20T10:20:45Z) - Synchronous Image-Label Diffusion Probability Model with Application to
Stroke Lesion Segmentation on Non-contrast CT [2.6750287043724303]
急性虚血性脳卒中(AIS)患者の予後を評価するため, ストローク病変容積は重要なX線学的指標である。
近年の拡散確率モデルでは、画像のセグメンテーションに使用される可能性が示されている。
本稿では,NCCTにおける脳卒中病変の分節に対する新しい画像ラベル拡散確率モデル(SDPM)を提案する。
論文 参考訳(メタデータ) (2023-07-04T14:16:49Z) - Exploiting Diffusion Prior for Real-World Image Super-Resolution [81.0962494325732]
本稿では,事前学習したテキスト・画像拡散モデルにカプセル化された事前知識を視覚的超解像に活用するための新しいアプローチを提案する。
時間認識エンコーダを用いることで、事前学習した合成モデルを変更することなく、有望な復元結果が得られる。
論文 参考訳(メタデータ) (2023-05-11T17:55:25Z) - Body Composition Assessment with Limited Field-of-view Computed
Tomography: A Semantic Image Extension Perspective [5.373119949253442]
Field-of-view (FOV) tissue truncation beyond the lungs is common in routine lung screening Computed tomography (CT)
本研究では,入力として画像データのみを必要とする意味的画像拡張の観点から問題を定式化する。
提案した2段階法は, 完全体の推定範囲に基づいて新しいFOV境界を同定し, 脱落した領域の欠損組織を溶出する。
論文 参考訳(メタデータ) (2022-07-13T23:19:22Z) - Self-Supervised Training with Autoencoders for Visual Anomaly Detection [55.52743265122446]
ディープオートエンコーダは視覚領域における異常検出のタスクに使われてきた。
我々は、訓練中に識別情報を使用することが可能な自己指導型学習体制を適用することで、この問題に対処する。
MVTec ADデータセットを用いた実験では,高い検出性能と局所化性能を示した。
論文 参考訳(メタデータ) (2022-06-23T14:16:30Z) - From Images to Probabilistic Anatomical Shapes: A Deep Variational
Bottleneck Approach [0.0]
3次元医用画像から直接の統計的形状モデリング(SSM)は、病理の検出、疾患の診断、人口レベルの形態解析を行うための未利用のツールである。
本稿では,これらの仮定を緩和するために,変分情報ボトルネック理論に基づく基本的枠組みを提案する。
実験により,提案手法により精度が向上し,校正精度が向上することを確認した。
論文 参考訳(メタデータ) (2022-05-13T19:39:08Z) - Incremental Cross-view Mutual Distillation for Self-supervised Medical
CT Synthesis [88.39466012709205]
本稿では,スライス間の分解能を高めるために,新しい医療スライスを構築した。
臨床実践において, 根本・中間医療スライスは常に欠落していることを考慮し, 相互蒸留の段階的相互蒸留戦略を導入する。
提案手法は,最先端のアルゴリズムよりも明確なマージンで優れる。
論文 参考訳(メタデータ) (2021-12-20T03:38:37Z) - A Self-Supervised Deep Framework for Reference Bony Shape Estimation in
Orthognathic Surgical Planning [55.30223654196882]
仮想的な矯正手術計画では、3次元顔面骨形状モデルにおける顎変形の外科的修正をシミュレートする。
正常な解剖を表現した基準顔骨形状モデルは、計画精度を向上させるための客観的ガイダンスを提供することができる。
本稿では,顔面骨の形状モデルを自動的に推定する自己教師型ディープフレームワークを提案する。
論文 参考訳(メタデータ) (2021-09-11T05:24:40Z) - Data-driven generation of plausible tissue geometries for realistic
photoacoustic image synthesis [53.65837038435433]
光音響トモグラフィ(pat)は形態的および機能的組織特性を回復する可能性がある。
我々は,PATデータシミュレーションの新たなアプローチを提案し,これを「シミュレーションの学習」と呼ぶ。
我々は、意味的注釈付き医療画像データに基づいて訓練されたGAN(Generative Adversarial Networks)の概念を活用して、可塑性組織ジオメトリを生成する。
論文 参考訳(メタデータ) (2021-03-29T11:30:18Z) - AIFNet: Automatic Vascular Function Estimation for Perfusion Analysis
Using Deep Learning [0.0]
デコンボリューション法は、臨床的に解釈可能な灌流パラメータを得るために用いられる。
AIFNetは、血管機能を推定するための、完全自動でエンドツーエンドのトレーニング可能なディープラーニングアプローチである。
我々は、AIFNetは、臨床転移の可能性があり、脱畳ソフトウェアに組み込むことができると結論付けた。
論文 参考訳(メタデータ) (2020-10-04T16:14:45Z)
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。