論文の概要: Electrical Impedance Tomography with Deep Calder\'on Method
- arxiv url: http://arxiv.org/abs/2304.09074v2
- Date: Tue, 31 Oct 2023 15:06:52 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-02 03:06:34.857003
- Title: Electrical Impedance Tomography with Deep Calder\'on Method
- Title(参考訳): Deep Calder\'on 法による電気インピーダンストモグラフィ
- Authors: Siyu Cen, Bangti Jin, Kwancheol Shin, Zhi Zhou
- Abstract要約: 電気インピーダンストモグラフィ(EIT)は、被検体表面の電流密度/電圧データを利用した非侵襲的医療画像モダリティである。
Calder'on の手法は比較的最近の EIT イメージングアルゴリズムであり、非定常的で高速で、複雑な値の電気インピーダンスを再構成することができる。
本研究では,深い畳み込みニューラルネットワーク(すなわちU-net)を効果的に標的とした後処理ステップとして用いたCalder'on法の改良版を開発する。
- 参考スコア(独自算出の注目度): 4.228167013618626
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Electrical impedance tomography (EIT) is a noninvasive medical imaging
modality utilizing the current-density/voltage data measured on the surface of
the subject. Calder\'on's method is a relatively recent EIT imaging algorithm
that is non-iterative, fast, and capable of reconstructing complex-valued
electric impedances. However, due to the regularization via low-pass filtering
and linearization, the reconstructed images suffer from severe blurring and
under-estimation of the exact conductivity values. In this work, we develop an
enhanced version of Calder\'on's method, using {deep} convolution neural
networks (i.e., U-net) {as an effective targeted post-processing step, and term
the resulting method by deep Calder\'{o}n's method.} Specifically, we learn a
U-net to postprocess the EIT images generated by Calder\'on's method so as to
have better resolutions and more accurate estimates of conductivity values. We
simulate chest configurations with which we generate the
current-density/voltage boundary measurements and the corresponding
reconstructed images by Calder\'on's method. With the paired training data, we
learn the deep neural network and evaluate its performance on real tank
measurement data. The experimental results indicate that the proposed approach
indeed provides a fast and direct (complex-valued) impedance tomography imaging
technique, and substantially improves the capability of the standard
Calder\'on's method.
- Abstract(参考訳): 電気インピーダンストモグラフィ(EIT)は、被検体表面の電流密度/電圧データを利用した非侵襲的医療画像モダリティである。
Calder\'on の手法は比較的最近の EIT イメージングアルゴリズムであり、非定常的で高速で、複雑な値の電気インピーダンスを再構成することができる。
しかし、低パスフィルタリングと線形化による正規化により、再構成された画像は厳密な導電率値のぼやけや過小評価に苦しむ。
本研究では,Deep} Convolution Neural Network (U-net) { を効果的なターゲット後処理ステップとして用い,Deep Calder\'{o}n 法により得られた手法を表現し,Calder\'on 法の強化版を開発する。
具体的には,Calder\'on 法により生成された EIT 画像を後処理するU-net を学習し,より良い解像度と導電率値のより正確な推定を行う。
そこで,calder\'on法を用いて,電流密度/電圧境界測定と対応する再構成画像を生成する胸部形状をシミュレートする。
ペアトレーニングデータを用いて,深層ニューラルネットワークを学習し,実際のタンク計測データを用いてその性能評価を行う。
実験の結果,提案手法は高速かつ直接的(複雑に評価された)インピーダンストモグラフィー技術を提供し,標準カルダーオン法の性能を大幅に向上させることが示された。
関連論文リスト
- A Conditional Diffusion Model for Electrical Impedance Tomography Image Reconstruction [3.2814751789071273]
電気インピーダンストモグラフィ(EIT)は、組織や材料の電気伝導度のイメージを再構成する非侵襲的イメージング技術である。
アンダーサンプル電圧データと高分解能伝導率画像とのミスマッチにより、EIT画像再構成が悪くなる。
CDEITと呼ばれるEIT再構成のための条件拡散モデルに基づく新しい手法を提案する。
論文 参考訳(メタデータ) (2024-12-22T11:43:00Z) - Deep Learning Based Speckle Filtering for Polarimetric SAR Images. Application to Sentinel-1 [51.404644401997736]
本稿では、畳み込みニューラルネットワークを用いて偏光SAR画像のスペックルを除去するための完全なフレームワークを提案する。
実験により,提案手法はスペックル低減と分解能保存の両方において例外的な結果をもたらすことが示された。
論文 参考訳(メタデータ) (2024-08-28T10:07:17Z) - Multi-Scale Frequency-Enhanced Deep D-bar Method for Electrical Impedance Tomography [5.112764609048122]
本稿では,リアルタイムEIT再構築のためのディープラーニングに基づく教師ありアプローチを提案する。
D-bar法に基づいて,高画質化のためのマルチスケール周波数拡張と空間整合性を両立する手法を提案する。
論文 参考訳(メタデータ) (2024-05-12T21:55:02Z) - PtychoDV: Vision Transformer-Based Deep Unrolling Network for
Ptychographic Image Reconstruction [12.780951605821238]
PtychoDVは、効率的で高品質な画像再構成のために設計された、新しいディープモデルベースのネットワークである。
シミュレーションデータの結果,PtychoDVは既存のディープラーニング手法よりも優れていることが示された。
論文 参考訳(メタデータ) (2023-10-11T14:01:36Z) - Multi-stage Deep Learning Artifact Reduction for Pallel-beam Computed Tomography [0.0]
トモグラフィーパイプライン投影,シノグラム,再構成の各段階で個別のディープラーニングモデルを組み込んで,データ駆動方式で特定のアーティファクトを局所的に処理する手法を提案する。
提案手法は,前段階からの出力と生データを後段に供給するバイパス接続を含み,エラー伝播のリスクを最小限に抑える。
論文 参考訳(メタデータ) (2023-09-01T14:40:25Z) - BOOT: Data-free Distillation of Denoising Diffusion Models with
Bootstrapping [64.54271680071373]
拡散モデルは多様な画像を生成する優れた可能性を示している。
知識蒸留は、推論ステップの数を1つか数に減らすための治療法として最近提案されている。
本稿では,効率的なデータフリー蒸留アルゴリズムにより限界を克服するBOOTと呼ばれる新しい手法を提案する。
論文 参考訳(メタデータ) (2023-06-08T20:30:55Z) - 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) - Learning Discriminative Shrinkage Deep Networks for Image Deconvolution [122.79108159874426]
本稿では,これらの用語を暗黙的にモデル化する識別的縮小関数を学習することで,効果的に非盲検デコンボリューション手法を提案する。
実験結果から,提案手法は最先端の手法に対して,効率と精度の点で好適に動作することがわかった。
論文 参考訳(メタデータ) (2021-11-27T12:12:57Z) - Is Deep Image Prior in Need of a Good Education? [57.3399060347311]
画像再構成に有効な先行画像として, 奥行き画像が導入された。
その印象的な再建性にもかかわらず、学習技術や伝統的な再建技術と比べてアプローチは遅い。
計算課題に対処する2段階の学習パラダイムを開発する。
論文 参考訳(メタデータ) (2021-11-23T15:08:26Z) - Compressed Sensing for Photoacoustic Computed Tomography Using an
Untrained Neural Network [1.7237160821929758]
光音響(PA)CT(PACT)は様々な臨床応用において大きな可能性を秘めている。
測定されたチャンネルの数を減らしたり、検出されたビューを制限すると、アーティファクトやサイドローブが画像を汚染する可能性がある。
本稿では,未学習ニューラルネットワークを用いたPACTの圧縮センシング手法を提案する。
論文 参考訳(メタデータ) (2021-05-29T09:01:58Z) - 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)
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。