論文の概要: Cross-domain Iterative Network for Simultaneous Denoising, Limited-angle
Reconstruction, and Attenuation Correction of Low-dose Cardiac SPECT
- arxiv url: http://arxiv.org/abs/2305.10326v1
- Date: Wed, 17 May 2023 16:06:30 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-18 14:49:39.715417
- Title: Cross-domain Iterative Network for Simultaneous Denoising, Limited-angle
Reconstruction, and Attenuation Correction of Low-dose Cardiac SPECT
- Title（参考訳）: 低用量心筋SPECTの同時デノイング・リミテッドアングル再構成・減衰補正のためのクロスドメイン反復ネットワーク
- Authors: Xiongchao Chen, Bo Zhou, Huidong Xie, Xueqi Guo, Qiong Liu, Albert J.
Sinusas, and Chi Liu
- Abstract要約: 低線量(LD)SPECTは、放射線照射を最小限にすることを目的としているが、画像ノイズの増加につながる。限定角度(LA)SPECTは、より高速なスキャンとハードウェアコストの削減を可能にするが、再現精度は低下する。
CT由来の減衰マップ(mu$-maps)は、一般的にSPECT減衰補正(AC)に使用されるが、余分な放射線暴露とSPECT-CTの誤調整を引き起こす。
胸部SPECTにおいて,クロスドメイン反復ネットワーク(CDI-Net)とLA再建,CTフリー交流を同時に行うことを提案する。
- 参考スコア（独自算出の注目度）: 12.1851913514097
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Single-Photon Emission Computed Tomography (SPECT) is widely applied for the
diagnosis of ischemic heart diseases. Low-dose (LD) SPECT aims to minimize
radiation exposure but leads to increased image noise. Limited-angle (LA) SPECT
enables faster scanning and reduced hardware costs but results in lower
reconstruction accuracy. Additionally, computed tomography (CT)-derived
attenuation maps ($\mu$-maps) are commonly used for SPECT attenuation
correction (AC), but it will cause extra radiation exposure and SPECT-CT
misalignments. In addition, the majority of SPECT scanners in the market are
not hybrid SPECT/CT scanners. Although various deep learning methods have been
introduced to separately address these limitations, the solution for
simultaneously addressing these challenges still remains highly under-explored
and challenging. To this end, we propose a Cross-domain Iterative Network
(CDI-Net) for simultaneous denoising, LA reconstruction, and CT-free AC in
cardiac SPECT. In CDI-Net, paired projection- and image-domain networks are
end-to-end connected to fuse the emission and anatomical information across
domains and iterations. Adaptive Weight Recalibrators (AWR) adjust the
multi-channel input features to enhance prediction accuracy. Our experiments
using clinical data showed that CDI-Net produced more accurate $\mu$-maps,
projections, and reconstructions compared to existing approaches that addressed
each task separately. Ablation studies demonstrated the significance of
cross-domain and cross-iteration connections, as well as AWR, in improving the
reconstruction performance.
- Abstract（参考訳）: 虚血性心疾患の診断にはSPECT(Single-Photon Emission Computed Tomography)が広く用いられている。
低線量(LD)SPECTは放射線照射を最小限にすることを目的としているが、画像ノイズの増加につながる。
制限アングル(la)spectは、より高速な走査とハードウェアコストの削減を可能にするが、再構成精度は低下する。
さらに、SPECT減衰補正(AC)にはCT(CT)由来の減衰マップ(\mu$-maps)が一般的に使用されるが、余分な放射露光やSPECT-CTの誤調整を引き起こす。
さらに、市場にあるほとんどのSPECTスキャナーは、ハイブリッドSPECT/CTスキャナーではない。
これらの制限を個別に解決するために様々なディープラーニング手法が導入されたが、これらの課題に同時に対処するための解決策はいまだに過小評価され難解である。
そこで本研究では,心臓spectで同時除音,la再構成,ctフリー交流を行うクロスドメイン反復ネットワーク(cdi-net)を提案する。
cdi-netでは、ペアプロジェクションとイメージドメインネットワークがエンドツーエンドで接続され、ドメインとイテレーション間でエミッションと解剖情報を融合する。
Adaptive Weight Recalibrators (AWR) は、予測精度を高めるためにマルチチャネル入力機能を調整する。
臨床データを用いた実験により,CDI-Netは各課題に個別に対処した既存手法と比較して,より正確な$\mu$-maps,プロジェクション,再構成が得られた。
AWRと同様にクロスドメインおよびクロスイテレーション接続が再建性能を向上させる上で重要であることを示した。
関連論文リスト
- 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) - Dual-Domain Coarse-to-Fine Progressive Estimation Network for
Simultaneous Denoising, Limited-View Reconstruction, and Attenuation
Correction of Cardiac SPECT [16.75701769113328]
SPECT(Single-Photon Emission Computed Tomography)は冠動脈疾患の診断に広く応用されている。
低線量(LD)SPECTは、放射線被曝を最小化するが、画像ノイズの増加につながる。最新のGEmyoSPECT ESシステムのような限定ビュー(LV)SPECTは、ハードウェアコストの高速化と削減を可能にするが、再構成精度は低下する。
論文 参考訳（メタデータ） (2024-01-23T23:28:15Z) - Joint Denoising and Few-angle Reconstruction for Low-dose Cardiac SPECT
Using a Dual-domain Iterative Network with Adaptive Data Consistency [12.1851913514097]
心筋SPECTの低線量および小角投射からの両端端関節脱生と再建のための二重領域反復ネットワークを提案する。
臨床MPIデータを用いた実験により,提案手法は既存の画像領域,投影領域,二重領域技術よりも優れていた。
論文 参考訳（メタデータ） (2023-05-17T16:09:49Z) - Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。
本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。
提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
論文 参考訳（メタデータ） (2022-12-01T07:32:56Z) - 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) - REGAS: REspiratory-GAted Synthesis of Views for Multi-Phase CBCT
Reconstruction from a single 3D CBCT Acquisition [75.64791080418162]
REGASは、アンダーサンプドトモグラフィビューを合成し、再構成画像中のアーティファクトのエイリアスを緩和する自己教師手法を提案する。
高解像度4Dデータ上でのディープニューラルネットワークの大規模なメモリコストに対処するため、REGASは分散して微分可能なフォワードプロジェクションを可能にする新しいレイパス変換(RPT)を導入した。
論文 参考訳（メタデータ） (2022-08-17T03:42:19Z) - 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) - Self-Attention Generative Adversarial Network for Iterative
Reconstruction of CT Images [0.9208007322096533]
本研究の目的は、ノイズや不完全なデータから高品質なCT画像を再構成するために、単一のニューラルネットワークを訓練することである。
ネットワークには、データ内の長距離依存関係をモデル化するセルフアテンションブロックが含まれている。
我々のアプローチはCIRCLE GANに匹敵する全体的なパフォーマンスを示し、他の2つのアプローチよりも優れています。
論文 参考訳（メタデータ） (2021-12-23T19:20:38Z) - InDuDoNet+: A Model-Driven Interpretable Dual Domain Network for Metal
Artifact Reduction in CT Images [53.4351366246531]
InDuDoNet+と呼ばれる新しい解釈可能な二重ドメインネットワークを構築し、CT画像の微細な埋め込みを行う。
異なる組織間のCT値を分析し,InDuDoNet+の事前観測ネットワークにマージすることで,その一般化性能を著しく向上させる。
論文 参考訳（メタデータ） (2021-12-23T15:52:37Z) - Total-Body Low-Dose CT Image Denoising using Prior Knowledge Transfer
Technique with Contrastive Regularization Mechanism [4.998352078907441]
放射線線量が少ないと、ノイズやアーティファクトが増加し、臨床診断に大きな影響を及ぼす可能性がある。
高品質な全身低線量CT(LDCT)画像を得るため,従来の深層学習に基づく研究は様々なネットワークアーキテクチャを導入している。
本稿では,NDCT画像から抽出した知識を活用する,新しいタスク内知識伝達手法を提案する。
論文 参考訳（メタデータ） (2021-12-01T06:46:38Z) - X-ray Photon-Counting Data Correction through Deep Learning [3.535670189300134]
深層ニューラルネットワークを用いたPCDデータ補正手法を提案する。
本研究ではまず,電荷分割とパルス蓄積効果を取り入れた完全シミュレーションモデルを構築した。
シミュレーションされたPCDデータと地上の真理のデータは、PCDデータ修正のために特別に設計されたディープ・敵ネットワークに送られる。
論文 参考訳（メタデータ） (2020-07-06T23:29:16Z)
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。