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
- A gradient-based approach to fast and accurate head motion compensation
in cone-beam CT [3.5475653746630056]
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) - Exploring Epipolar Consistency Conditions for Rigid Motion Compensation
in In-vivo X-ray Microscopy [3.6741311433177484]
歯肉内X線顕微鏡(Intravital X-ray microscopy, XRM)は, 骨の微細構造変化の同定に重要である。
この方法の複雑さは、マウスの骨の高品質な3D再構成の必要性に起因している。
遠位偏極性条件 (ECC) を用いた運動補償は, 臨床CTでは有意な成績を示した。
論文 参考訳(メタデータ) (2023-03-01T12:18:03Z) - Neural Computed Tomography [1.7188280334580197]
一連のプロジェクションの取得時の運動は、CT再構成において重要な運動アーティファクトにつながる可能性がある。
動作成果物から解放された時間分解画像を生成するための新しい再構成フレームワークであるNeuralCTを提案する。
論文 参考訳(メタデータ) (2022-01-17T18:50:58Z) - 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) - 4D Deep Learning for Multiple Sclerosis Lesion Activity Segmentation [49.32653090178743]
我々は,MRIボリュームの履歴を用いて,この問題をフル4次元ディープラーニングに拡張することで,性能が向上するかどうか検討する。
提案手法は, 病変側真陽性率0.84, 病変側偽陽性率0.19で従来手法より優れていた。
論文 参考訳(メタデータ) (2020-04-20T11:41:01Z)
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。