論文の概要: Analytical reconstructions of multiple source-translation computed
tomography with extended field of views: a research study
- arxiv url: http://arxiv.org/abs/2305.19767v1
- Date: Wed, 31 May 2023 11:58:33 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-01 16:48:51.324958
- Title: Analytical reconstructions of multiple source-translation computed
tomography with extended field of views: a research study
- Title（参考訳）: 拡張視野を用いた複数音源変換トモグラフィーの解析的再構成に関する研究
- Authors: Zhisheng Wang, Yue Liu, Shunli Wang, Xingyuan Bian, Zongfeng Li and
Junning Cui
- Abstract要約: 拡張視野(FOV)下におけるMultiple Source-Translation Computed Tomography(mSTCT)の高品質な解析的再構成について検討する。
より大きなFOVの下では、以前に提案されたバックプロジェクションフィルタ(BPF)アルゴリズムは、画像エッジでいくつかの耐え難いエラーを発生させる。
我々は, mSTCTの非重み付きD-BPF(NWD-BPF)の導出と, mSTCTにBPFを導入することを含む2つの戦略を提案する。
- 参考スコア（独自算出の注目度）: 8.445991471682744
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper is to investigate the high-quality analytical reconstructions of
multiple source-translation computed tomography (mSTCT) under an extended field
of view (FOV). Under the larger FOVs, the previously proposed backprojection
filtration (BPF) algorithms for mSTCT, including D-BPF and S-BPF, make some
intolerable errors in the image edges due to an unstable backprojection
weighting factor and the half-scan mode, which deviates from the intention of
mSTCT imaging. In this paper, to achieve reconstruction with as little error as
possible under the extremely extended FOV, we propose two strategies, including
deriving a no-weighting D-BPF (NWD-BPF) for mSTCT and introducing BPFs into a
special full-scan mSTCT (F-mSTCT) to balance errors, i.e., abbreviated as
FD-BPF and FS-BPF. For the first strategy, we eliminate this unstable
backprojection weighting factor by introducing a special variable relationship
in D-BPF. For the second strategy, we combine the F-mSTCT geometry with BPFs to
study the performance and derive a suitable redundant weighting function for
F-mSTCT. The experiments demonstrate our proposed methods for these strategies.
Among them, NWD-BPF can weaken the instability at the image edges but blur the
details, and FS-BPF can get high-quality stable images under the extremely
extended FOV imaging a large object but requires more projections than FD-BPF.
For different practical requirements in extending FOV imaging, we give
suggestions on algorithm selection.
- Abstract（参考訳）: 本稿では,複数音源変換トモグラフィ(mSTCT)を拡張視野(FOV)下での高品質な解析的再構成について検討する。
より大規模なFOVでは、D-BPF や S-BPF を含む mSTCT のバックプロジェクションフィルタ (BPF) アルゴリズムが、不安定なバックプロジェクション重み付け因子と半スキャンモードにより画像エッジに許容できない誤りを犯し、mSTCT イメージングの意図から逸脱する。
本稿では,fd-bpfとfs-bpfと略されるエラーのバランスをとるために,mstctの非重み付けd-bpf(nwd-bpf)を導出し,bpfsを特別なフルスキャンmstct(f-mstct)に導入する手法を提案する。
第一戦略として、D-BPFに特殊変動関係を導入することにより、不安定な後方投影重み付け因子を除去する。
第2の戦略として、F-mSTCT幾何とBPFを組み合わせることで、F-mSTCTに適切な冗長重み付け関数を導出する。
実験により,提案手法が実証された。
その中で、NWD-BPFは画像エッジの不安定性を弱めることができるが、詳細は曖昧であり、FS-BPFは大きな物体を撮像する極端に拡張されたFOVの下で高品質な安定画像を得ることができるが、FD-BPFよりも多くの投影を必要とする。
FOV画像の拡張における様々な実践的要件に対して,アルゴリズムの選択について提案する。
関連論文リスト
- CT-SDM: A Sampling Diffusion Model for Sparse-View CT Reconstruction across All Sampling Rates [16.985836345715963]
Sparse view X-ray Computed tomography は放射線線量減少を緩和する現代的手法として登場した。
深層学習を用いた最近の研究は, Sparse-View Computed Tomography (SVCT) のアーティファクトの除去に有望な進展をもたらした。
本研究では,任意のサンプリングレートで高性能SVCT再構成を実現するための適応的再構成手法を提案する。
論文 参考訳（メタデータ） (2024-09-03T03:06:15Z) - CoCPF: Coordinate-based Continuous Projection Field for Ill-Posed Inverse Problem in Imaging [78.734927709231]
スパース・ビュー・コンピュート・トモグラフィー(SVCT)の再構成は,スパース・サンプリングによるCT画像の取得を目的としている。
暗黙的な神経表現(INR)技術は、不備のため、その分野に「かなりの穴」(すなわち、未モデル化空間)を残し、準最適結果をもたらす可能性がある。
SVCT再構成のためのホールフリー表現場を構築することを目的としたコーディネート型連続射影場(CoCPF)を提案する。
論文 参考訳（メタデータ） (2024-06-21T08:38:30Z) - Unsupervised Anomaly Detection via Masked Diffusion Posterior Sampling [8.887775968482208]
拡散モデルは、その強力な生成能力のために、異常検出に有望な応用を示している。
本稿では,Masked Diffusion Posterior Smpling (MDPS) という,新規かつ高解釈可能な手法を提案する。
MDPSは、異常検出や局所化と同様に、通常の画像再構成の品質において最先端の性能を達成することができる。
論文 参考訳（メタデータ） (2024-04-27T13:13:27Z) - DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection [55.48770333927732]
本稿では,拡散型異常検出(Difusion-based Anomaly Detection, DAD)フレームワークを提案する。
画素空間オートエンコーダ、安定拡散の復調ネットワークに接続する潜在空間セマンティックガイド(SG)ネットワーク、特徴空間事前学習機能抽出器から構成される。
MVTec-ADとVisAデータセットの実験は、我々のアプローチの有効性を実証している。
論文 参考訳（メタデータ） (2023-12-11T18:38:28Z) - APRF: Anti-Aliasing Projection Representation Field for Inverse Problem
in Imaging [74.9262846410559]
Sparse-view Computed Tomography (SVCT) は画像の逆問題である。
近年の研究では、インプリシット・ニューラル・リ表現(INR)を用いて、シングラムとCT画像の座標に基づくマッピングを構築している。
自己教師型SVCT再構成法の提案 -抗エイリアス射影表現場(APRF)-
APRFは空間的制約によって隣接する投影ビュー間の連続的な表現を構築することができる。
論文 参考訳（メタデータ） (2023-07-11T14:04:12Z) - BPF Algorithms for Multiple Source-Translation Computed Tomography
Reconstruction [0.2194153108024006]
我々は、マイクロCTの視野(FOV)を効果的に拡大する、Multiple Source Translation CT(mSTCT)と呼ばれる新しい走査モードを考案した。
我々は,mSTCT,すなわちS-BPF(ソースに沿った誘導体)とD-BPF(検出器に沿った誘導体)の2つのバックプロジェクションフィルタ(BPF)ベースのアルゴリズムを開発した。
D-BPFは、V-FBPやS-BPFよりもプロジェクションが少なく、高分解能の再構成が可能である。
論文 参考訳（メタデータ） (2023-05-30T09:20:09Z) - Generative Modeling in Sinogram Domain for Sparse-view CT Reconstruction [12.932897771104825]
CT検査では投射回数を直感的に減らすことで放射線線量を大幅に減少させることができる。
疎視データを用いた従来のディープラーニング技術では、教師付き方法でネットワークをトレーニングするためにスパースビュー/フルビューCTイメージペアが必要である。
スパース・ビューCT再構成のための非教師なしスコアベース生成モデルについて検討した。
論文 参考訳（メタデータ） (2022-11-25T06:49:18Z) - Regularization by Denoising Sub-sampled Newton Method for Spectral CT
Multi-Material Decomposition [78.37855832568569]
スペクトルctを用いたマルチマテリアル画像再構成のためのモデルベース最大後課題の解決法を提案する。
特に,プラグイン画像復号化機能に基づく正規化最適化問題について提案する。
スペクトルct材料分解の数値的および実験的結果を示す。
論文 参考訳（メタデータ） (2021-03-25T15:20:10Z) - Light Field Spatial Super-resolution via Deep Combinatorial Geometry
Embedding and Structural Consistency Regularization [99.96632216070718]
ハンドヘルドデバイスが取得した光フィールド(LF)画像は通常、空間分解能の低下に悩まされる。
LF画像の高次元空間特性と複雑な幾何学構造は、従来の単一像SRよりも問題をより困難にしている。
本稿では,LF画像の各ビューを個別に超解答する新しい学習ベースLFフレームワークを提案する。
論文 参考訳（メタデータ） (2020-04-05T14:39:57Z) - Hyperspectral-Multispectral Image Fusion with Weighted LASSO [68.04032419397677]
本稿では,高スペクトル像と多スペクトル像を融合させて高画質な高スペクトル出力を実現する手法を提案する。
提案したスパース融合と再構成は,既存の公開画像の手法と比較して,定量的に優れた結果が得られることを示す。
論文 参考訳（メタデータ） (2020-03-15T23:07:56Z)
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。