論文の概要: Motion Artifacts Detection in Short-scan Dental CBCT Reconstructions
- arxiv url: http://arxiv.org/abs/2304.10154v1
- Date: Thu, 20 Apr 2023 08:28:44 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-21 13:59:28.342461
- Title: Motion Artifacts Detection in Short-scan Dental CBCT Reconstructions
- Title（参考訳）: 短期歯科用CBCT再建術における運動アーチファクトの検出
- Authors: Abdul Salam Rasmi Asraf Ali and Andrea Fusiello and Claudio Landi and
Cristina Sarti and Anneke Annassia Putri Siswadi
- Abstract要約: Cone Beam Computed Tomography (CBCT) は歯科診断や治療計画に広く用いられている。
本研究は, 補正アルゴリズムを使わずに, クリーンショートスキャン体積を再構成することのできる, 走査投影の運動自由部分を抽出する枠組みを用いた。
データ不足に対処するために、現実的なモーションシミュレーション戦略とデータ拡張が実装されている。
- 参考スコア（独自算出の注目度）: 5.147799140853288
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Cone Beam Computed Tomography (CBCT) is widely used in dentistry for
diagnostics and treatment planning. CBCT Imaging has a long acquisition time
and consequently, the patient is likely to move. This motion causes significant
artifacts in the reconstructed data which may lead to misdiagnosis. Existing
motion correction algorithms only address this issue partially, struggling with
inconsistencies due to truncation, accuracy, and execution speed. On the other
hand, a short-scan reconstruction using a subset of motion-free projections
with appropriate weighting methods can have a sufficient clinical image quality
for most diagnostic purposes. Therefore, a framework is used in this study to
extract the motion-free part of the scanned projections with which a clean
short-scan volume can be reconstructed without using correction algorithms.
Motion artifacts are detected using deep learning with a slice-based prediction
scheme followed by volume averaging to get the final result. A realistic motion
simulation strategy and data augmentation has been implemented to address data
scarcity. The framework has been validated by testing it with real
motion-affected data while the model was trained only with simulated motion
data. This shows the feasibility to apply the proposed framework to a broad
variety of motion cases for further research.
- Abstract（参考訳）: Cone Beam Computed Tomography (CBCT) は歯科診断や治療計画に広く用いられている。
CBCT 画像は長い取得時間を持ち、その結果、患者は動く可能性が高い。
この動きは、再構成されたデータに重大なアーティファクトを引き起こし、誤診につながる可能性がある。
既存の動き補正アルゴリズムは、一部の問題のみに対処し、停止、正確性、実行速度による不整合に苦しむ。
一方、適切な重み付け法を併用したモーションフリープロジェクションのサブセットを用いたショートスキャン再構成は、ほとんどの診断目的に十分な臨床画像品質が得られる。
そこで, 本研究では, 補正アルゴリズムを使わずに, クリーンショートスキャン体積を再構成できるような, 走査射影の無運動部分を抽出するために, フレームワークを用いた。
動作アーティファクトはスライスに基づく予測スキームを用いてディープラーニングを用いて検出され、続いてボリューム平均化により最終的な結果が得られる。
データ不足に対処するために,現実的なモーションシミュレーション戦略とデータ拡張が実装されている。
このフレームワークは、実際のモーション影響データでテストし、モデルがシミュレーションされたモーションデータでのみトレーニングされた。
このことは、さらなる研究のために提案されたフレームワークを幅広い運動事例に適用できる可能性を示している。
関連論文リスト
- On the Influence of Smoothness Constraints in Computed Tomography Motion Compensation [3.5475653746630056]
本研究では,コーンビームCTのための既存の剛性運動補償アルゴリズムにおけるスプラインベース運動モデルの影響を解析する。
その結果、運動モデルの選択は、回復可能な周波数に決定的に影響を及ぼすことが示された。
最終的に、最適な動作モデルは、画像化された解剖学、臨床ユースケース、走査プロトコルに依存する。
論文 参考訳（メタデータ） (2024-05-29T13:36:16Z) - MAMOC: MRI Motion Correction via Masked Autoencoding [2.2553331475843343]
本稿では, 運動負荷MRI脳スキャンにおけるRAC(Retrospective Artifact Correction)の問題点に対処する新しい手法であるMAMOC(Masked Motion Correction)を提案する。
MAMOCは、マスク付き自己エンコーディング、転送学習、テストタイム予測を使用して、動きのアーティファクトを効率的に除去し、高忠実でネイティブなスキャンを生成する。
この研究は、公開データセット上の実際のモーションデータを用いてMRIスキャンにおける動作補正を初めて評価し、MAMOCが既存の動作補正法よりも優れた性能を達成することを示す。
論文 参考訳（メタデータ） (2024-05-23T14:01:22Z) - Differentiable Score-Based Likelihoods: Learning CT Motion Compensation From Clean Images [3.0013267540370423]
運動アーティファクトはCT画像の診断値を損なう可能性がある。
頭頂部CT画像の鮮明化のための確率密度推定器として機能するスコアベースモデルを訓練する。
運動影響CT画像の偏差を理想分布から推定する。
論文 参考訳（メタデータ） (2024-04-23T04:59:34Z) - CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。
ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。
我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
論文 参考訳（メタデータ） (2024-03-21T15:13:36Z) - A gradient-based approach to fast and accurate head motion compensation in cone-beam CT [35.44857854720086]
本稿では,勾配に基づく最適化アルゴリズムを用いたCBCT動作推定の新しい手法を提案する。
従来の手法に比べて19倍の速さで動き推定を劇的に高速化する。
運動補償後の初期平均3mmから0.61mmまでの再投射誤差を低減させる。
論文 参考訳（メタデータ） (2024-01-17T15:37:00Z) - Weakly-supervised Learning For Catheter Segmentation in 3D Frustum
Ultrasound [74.22397862400177]
超音波を用いた新しいカテーテルセグメンテーション法を提案する。
提案手法は,1ボリュームあたり0.25秒の効率で最先端の性能を実現した。
論文 参考訳（メタデータ） (2020-10-19T13:56:22Z) - Probabilistic 3D surface reconstruction from sparse MRI information [58.14653650521129]
スパース2次元MR画像データとアレータティック不確実性予測から3次元表面再構成を同時に行うための新しい確率論的深層学習手法を提案する。
本手法は,3つの準直交MR画像スライスから,限られたトレーニングセットから大きな表面メッシュを再構成することができる。
論文 参考訳（メタデータ） (2020-10-05T14:18:52Z) - Inertial Measurements for Motion Compensation in Weight-bearing
Cone-beam CT of the Knee [6.7461735822055715]
膝のCTスキャン中の不随意運動は、再建されたボリュームのアーティファクトを引き起こすため、臨床診断には使用できない。
被験者の脚に慣性測定装置(IMU)を装着し,スキャン中の運動を測定する。
論文 参考訳（メタデータ） (2020-07-09T09:26:27Z) - Searching for Efficient Architecture for Instrument Segmentation in
Robotic Surgery [58.63306322525082]
ほとんどのアプリケーションは、高解像度の外科画像の正確なリアルタイムセグメンテーションに依存している。
我々は,高解像度画像のリアルタイム推論を行うために調整された,軽量で高効率なディープ残差アーキテクチャを設計する。
論文 参考訳（メタデータ） (2020-07-08T21:38:29Z) - A Novel Approach for Correcting Multiple Discrete Rigid In-Plane Motions
Artefacts in MRI Scans [63.28835187934139]
本稿では,2つの入力枝を持つディープニューラルネットワークを用いた動きアーチファクトの除去手法を提案する。
提案法は患者の多動運動によって生成された人工物に応用できる。
論文 参考訳（メタデータ） (2020-06-24T15:25:11Z) - Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。
患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。
本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
論文 参考訳（メタデータ） (2020-06-18T09:49:11Z)
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。