論文の概要: RetinexFlow for CT metal artifact reduction
- arxiv url: http://arxiv.org/abs/2306.10520v1
- Date: Sun, 18 Jun 2023 10:53:52 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-21 20:17:04.566626
- Title: RetinexFlow for CT metal artifact reduction
- Title(参考訳): ct金属アーティファクト低減のためのretinexflow
- Authors: Jiandong Su and Ce Wang and Yinsheng Li and Kun Shang and Dong Liang
- Abstract要約: 金属アーチファクトはCT(Computerd tomography)イメージングにおいて大きな課題である。
本研究では, 分解作業と完成作業の組合せとして, 金属加工品の還元問題を定式化する。
本稿では、Retinex理論と条件正規化フローに基づく、新しいエンドツーエンド画像ドメインモデルであるRetinexFlowを提案する。
- 参考スコア(独自算出の注目度): 10.612456151972113
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Metal artifacts is a major challenge in computed tomography (CT) imaging,
significantly degrading image quality and making accurate diagnosis difficult.
However, previous methods either require prior knowledge of the location of
metal implants, or have modeling deviations with the mechanism of artifact
formation, which limits the ability to obtain high-quality CT images. In this
work, we formulate metal artifacts reduction problem as a combination of
decomposition and completion tasks. And we propose RetinexFlow, which is a
novel end-to-end image domain model based on Retinex theory and conditional
normalizing flow, to solve it. Specifically, we first design a feature
decomposition encoder for decomposing the metal implant component and inherent
component, and extracting the inherent feature. Then, it uses a
feature-to-image flow module to complete the metal artifact-free CT image step
by step through a series of invertible transformations. These designs are
incorporated in our model with a coarse-to-fine strategy, enabling it to
achieve superior performance. The experimental results on on simulation and
clinical datasets show our method achieves better quantitative and qualitative
results, exhibiting better visual performance in artifact removal and image
fidelity
- Abstract(参考訳): 金属アーティファクトはctイメージングにおいて大きな課題であり、画質を著しく低下させ、正確な診断を困難にしている。
しかし、従来の方法では、金属インプラントの位置の事前知識が必要か、あるいは高品質ct画像を得る能力を制限するアーティファクト形成のメカニズムによるモデリングの逸脱が必要である。
本研究では,金属アーティファクト低減問題を分解と完了タスクの組合せとして定式化する。
そこで本研究では,retinex理論と条件付き正規化フローに基づく,新たなエンドツーエンド画像ドメインモデルであるretinexflowを提案する。
具体的には,金属インプラント成分と固有の成分を分解する機能分解エンコーダを設計し,その特性を抽出する。
そして、機能対イメージフローモジュールを使用して、金属製のアーティファクトフリーCT画像ステップを、一連の可逆変換をステップで完了させる。
これらの設計は粗細な戦略でモデルに組み込まれており、優れた性能を実現しています。
シミュレーションおよび臨床データを用いた実験結果から,本手法はより定量的で質的な結果が得られ,アーティファクト除去や画像忠実度が向上することが示された。
関連論文リスト
- Unsupervised Polychromatic Neural Representation for CT Metal Artifact
Reduction [48.1445005916672]
人体に金属インプラントが存在する場合のCTイメージングの課題に対処する新しい多色神経表現法(Polyner)を提案する。
私たちのPolynerは、ドメイン内のデータセットの教師付きメソッドよりも同等または優れたパフォーマンスを実現しています。
論文 参考訳(メタデータ) (2023-06-27T04:50:58Z) - On Sensitivity and Robustness of Normalization Schemes to Input
Distribution Shifts in Automatic MR Image Diagnosis [58.634791552376235]
深層学習(DL)モデルは、再構成画像を入力として、複数の疾患の診断において最先端のパフォーマンスを達成した。
DLモデルは、トレーニングとテストフェーズ間の入力データ分布の変化につながるため、さまざまなアーティファクトに敏感である。
本稿では,グループ正規化やレイヤ正規化といった他の正規化手法を用いて,画像のさまざまなアーチファクトに対して,モデル性能にロバスト性を注入することを提案する。
論文 参考訳(メタデータ) (2023-06-23T03:09:03Z) - Realistic Restorer: artifact-free flow restorer(AF2R) for MRI motion
artifact removal [3.8103327351507255]
運動アーティファクトは画像品質を著しく劣化させ、検査効率を低下させ、正確な診断を困難にする。
それまでの手法は、アーティファクト修正のための暗黙のモデルに頼っていたため、アーティファクト形成機構をモデル化する際のバイアスが生じた。
画像領域のアーティファクトと解剖学的内容の関係を再構築するために、アーティファクト生成機構を組み込んだ。
論文 参考訳(メタデータ) (2023-06-19T04:02:01Z) - Orientation-Shared Convolution Representation for CT Metal Artifact
Learning [63.67718355820655]
X線CT(CT)スキャン中、患者を乗せた金属インプラントは、しばしば有害なアーティファクトに繋がる。
既存のディープラーニングベースの手法は、有望な再構築性能を得た。
本稿では,人工物の物理的事前構造に適応するために,配向型畳み込み表現戦略を提案する。
論文 参考訳(メタデータ) (2022-12-26T13:56:12Z) - Metal artifact correction in cone beam computed tomography using
synthetic X-ray data [0.0]
解剖学に挿入された金属インプラントは、再建された画像に深刻なアーティファクトを引き起こす。
1つのアプローチは、プロジェクションに金属を分割するために深層学習法を使用することである。
比較的少数の光子を用いたシミュレーションは, 金属セグメンテーションに適していることを示す。
論文 参考訳(メタデータ) (2022-08-17T13:31:38Z) - 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) - 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) - Metal Artifact Reduction in 2D CT Images with Self-supervised
Cross-domain Learning [30.977044473457]
金属アーチファクトリダクション(MAR)の新しい深層学習手法を提案する。
我々はニューラルネットワークをトレーニングし、与えられた金属フリーなノモグラムの金属トレース領域値を復元する。
次に、より完全な完了結果を生成するために、新しいFBP再構成損失を設計する。
論文 参考訳(メタデータ) (2021-09-28T04:40:57Z) - 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) - Deep Sinogram Completion with Image Prior for Metal Artifact Reduction
in CT Images [29.019325663195627]
CTは, 診断, 評価, 治療計画, 指導に広く用いられている。
CT画像は金属の物体の存在に悪影響を及ぼし、重金属の破片につながる可能性がある。
本稿では, 画像領域とシノグラム領域に基づくMAR技術の利点を同時に活用して, 金属アーティファクト低減(MAR)の一般化可能なフレームワークを提案する。
論文 参考訳(メタデータ) (2020-09-16T04:43:35Z)
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。