論文の概要: Multi-frame-based Cross-domain Denoising for Low-dose Spiral Computed
Tomography
- arxiv url: http://arxiv.org/abs/2304.10839v3
- Date: Fri, 15 Dec 2023 10:49:49 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-18 19:33:27.461877
- Title: Multi-frame-based Cross-domain Denoising for Low-dose Spiral Computed
Tomography
- Title(参考訳): 低用量スパイラルCTのための多フレームクロスドメインデノイング
- Authors: Yucheng Lu, Zhixin Xu, Moon Hyung Choi, Jimin Kim, and Seung-Won Jung
- Abstract要約: X線被曝は、がんなどの潜在的な健康リスクへの懸念を引き起こす。
放射線線量を減らすという欲求は、研究者に再建の質の向上を促した。
本稿では,市販の第3世代マルチスライス・スパイラルCTスキャナの2段階化手法を提案する。
- 参考スコア(独自算出の注目度): 20.463308418655526
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Computed tomography (CT) has been used worldwide as a non-invasive test in
assisting diagnosis. However, the ionizing nature of X-ray exposure raises
concerns about potential health risks such as cancer. The desire for lower
radiation doses has driven researchers to improve reconstruction quality.
Although previous studies on low-dose computed tomography (LDCT) denoising have
demonstrated the effectiveness of learning-based methods, most were developed
on the simulated data collected using the Radon transform. However, the
real-world scenario differs significantly from the simulation domain,
especially when using the multi-slice spiral scanner geometry. This paper
proposes a two-stage method for the commercially available third-generation
multi-slice spiral CT scanners that better exploits the complete reconstruction
pipeline for LDCT denoising across different domains. Our approach makes good
use of the high redundancy of the multi-slice projections and the volumetric
reconstructions while leveraging the over-smoothing of high-frequency
information in conventional cascaded frameworks due to aggressive denoising.
The dedicated design also provides a more explicit interpretation of the data
flow. Extensive experiments on various datasets showed that the proposed method
could remove up to 70% of noise without compromised spatial resolution, while
subjective evaluations by two radiologists further supported its superior
performance against state-of-the-art methods in clinical practice.
- Abstract(参考訳): CTは診断支援のための非侵襲的検査として世界中で用いられている。
しかしながら、X線被曝の電離性は、がんのような潜在的な健康リスクへの懸念を引き起こす。
放射線線量を減らすという欲求は、研究者に再建の質の向上を促した。
従来の低線量CT(LDCT)デノナイジングでは学習法の有効性が示されているが,Radon変換を用いて収集したシミュレーションデータに基づいて開発が進められている。
しかし、実世界のシナリオはシミュレーション領域と大きく異なり、特にマルチスライススパイラルスキャナの形状を用いる場合である。
本稿では,LDCTの完全再建パイプラインをよりよく活用する,市販の第3世代マルチスライス・スパイラルCTスキャナの2段階化手法を提案する。
提案手法では,マルチスライス・プロジェクションの高冗長性とボリュームリコンストラクションを生かしつつ,従来のカスケード・フレームワークにおける高頻度情報の過剰スムーシングを積極的に活用する。
専用の設計は、データフローのより明確な解釈も提供する。
各種データセットに対する広範囲な実験により,提案手法は空間分解能を損なうことなく最大70%のノイズを除去できることが示された。
関連論文リスト
- 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) - Domain Transfer Through Image-to-Image Translation for Uncertainty-Aware
Prostate Cancer Classification [60.20736568336466]
臨床的に有意なPCa分類のための前立腺mp-MRIの非対位画像変換のための新しいアプローチを提案する。
我々は、明らかなディープラーニングアプローチにより、モデルの不確実性を見積もる。
提案手法は, ROC曲線(AUC)を20%以上改善することを示した。
論文 参考訳(メタデータ) (2023-07-02T05:26:54Z) - The role of noise in denoising models for anomaly detection in medical
images [62.0532151156057]
病理脳病変は脳画像に多彩な外観を示す。
正規データのみを用いた教師なし異常検出手法が提案されている。
空間分解能の最適化と雑音の大きさの最適化により,異なるモデル学習体制の性能が向上することを示す。
論文 参考訳(メタデータ) (2023-01-19T21:39:38Z) - 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) - On the Benefit of Dual-domain Denoising in a Self-supervised Low-dose CT
Setting [6.450514665591633]
低用量取得における画像品質の回復のために,データ駆動型画像復調アルゴリズムが提案された。
本稿では,プロジェクションと画像領域の両方に,演算子を含む終端から終端までの訓練可能なCT再構成パイプラインを提案する。
論文 参考訳(メタデータ) (2022-11-02T13:37:59Z) - OADAT: Experimental and Synthetic Clinical Optoacoustic Data for
Standardized Image Processing [62.993663757843464]
オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。
OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。
臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
論文 参考訳(メタデータ) (2022-06-17T08:11:26Z) - 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) - Ultra Low-Parameter Denoising: Trainable Bilateral Filter Layers in
Computed Tomography [7.405782253585339]
本研究は,両側フィルタリングの考え方に基づくオープンソースのCT復号化フレームワークを提案する。
本稿では、深層学習パイプラインに組み込むことができ、純粋にデータ駆動方式で最適化できる二元フィルタを提案する。
X線顕微鏡による骨データ(0.7053と33.10)と、SSIMとPSNRによる2016 Low Dose CT Grand Challengeデータセット(0.9674と43.07)のデノイング性能が達成されている。
論文 参考訳(メタデータ) (2022-01-25T14:33:56Z) - No-reference denoising of low-dose CT projections [2.7716102039510564]
低線量CT (LDCT) は放射線学において明らかな傾向を呈し, 患者への過剰なX線照射の回避が望まれる。
放射線線量減少は患者のリスクを減少させるが、ノイズレベルを上昇させ、画像の品質と診断値に影響を及ぼす。
1つの緩和オプションは、ディープラーニングアルゴリズムを用いてデノナイジングモデルを訓練するために、低線量および高線量CTプロジェクションのペアを検討することである。
本稿では,従来の自己監督法と異なり,新しい自己監督法を提案する。
論文 参考訳(メタデータ) (2021-02-03T13:51:33Z) - Self-supervised Dynamic CT Perfusion Image Denoising with Deep Neural
Networks [6.167259271197635]
ダイナミックCT(Dynamic Computed Tomography, CTP)は急性期脳梗塞の診断と評価に有望なアプローチである。
脳小葉の血行動態のパラメトリックマップは、脳内のヨウ素化コントラストの第1パスのCTスキャンから算出される。
診断の信頼性を高めるためには, 画像診断が必要であり, 繰り返しスキャンによる高放射線曝露により, 日常的用途の灌流量を削減する必要がある。
論文 参考訳(メタデータ) (2020-05-19T21:44:07Z)
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。