論文の概要: APRF: Anti-Aliasing Projection Representation Field for Inverse Problem
in Imaging
- arxiv url: http://arxiv.org/abs/2307.05270v1
- Date: Tue, 11 Jul 2023 14:04:12 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-12 14:56:37.381408
- Title: APRF: Anti-Aliasing Projection Representation Field for Inverse Problem
in Imaging
- Title(参考訳): APRF:イメージングにおける逆問題に対する抗エイリアス射影表現場
- Authors: Zixuan Chen, Lingxiao Yang, Jianhuang Lai and Xiaohua Xie
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 74.9262846410559
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Sparse-view Computed Tomography (SVCT) reconstruction is an ill-posed inverse
problem in imaging that aims to acquire high-quality CT images based on
sparsely-sampled measurements. Recent works use Implicit Neural Representations
(INRs) to build the coordinate-based mapping between sinograms and CT images.
However, these methods have not considered the correlation between adjacent
projection views, resulting in aliasing artifacts on SV sinograms. To address
this issue, we propose a self-supervised SVCT reconstruction method --
Anti-Aliasing Projection Representation Field (APRF), which can build the
continuous representation between adjacent projection views via the spatial
constraints. Specifically, APRF only needs SV sinograms for training, which
first employs a line-segment sampling module to estimate the distribution of
projection views in a local region, and then synthesizes the corresponding
sinogram values using center-based line integral module. After training APRF on
a single SV sinogram itself, it can synthesize the corresponding dense-view
(DV) sinogram with consistent continuity. High-quality CT images can be
obtained by applying re-projection techniques on the predicted DV sinograms.
Extensive experiments on CT images demonstrate that APRF outperforms
state-of-the-art methods, yielding more accurate details and fewer artifacts.
Our code will be publicly available soon.
- Abstract(参考訳): Sparse-view Computed Tomography (SVCT) 再構成は画像の逆問題であり、スパースサンプリングによる高画質CT画像の取得を目的としている。
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。
しかし、これらの手法は隣接する投影ビュー間の相関を考慮せず、svシングラム上のアーティファクトをエイリアスする結果となった。
そこで本研究では,隣接投影ビュー間の連続的な表現を空間的制約によって構築する,自己教師型SVCT再構成手法であるAnti-Aliasing Projection Representation Field (APRF)を提案する。
具体的には、APRFは、まず、局所領域における投影ビューの分布を推定するために線分サンプリングモジュールを使用し、次にセンターベースライン積分モジュールを使用して対応するシングラム値を合成する。
1つのSVシングラムでAPRFをトレーニングした後、対応する密度ビュー(DV)シングラムを一貫した連続性で合成することができる。
予測されたdvシンノグラムに再投影技術を適用することで高品質のct画像が得られる。
CT画像の大規模な実験により、APRFは最先端の手法よりも優れており、より正確な細部と少ないアーティファクトが得られることが示された。
私たちのコードはまもなく公開されます。
関連論文リスト
- 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) - Geometry-Aware Attenuation Field Learning for Sparse-View CBCT
Reconstruction [61.48254686722434]
Cone Beam Computed Tomography (CBCT) は歯科医療において最も広く用いられている画像診断法である。
Sparse-view CBCT 再建は放射線線量削減に重点を置いている。
本稿では,マルチビューX線プロジェクションからボリューム特徴を初めて符号化することで,新しい減衰場エンコーダデコーダフレームワークを提案する。
論文 参考訳(メタデータ) (2023-03-26T14:38:42Z) - Geometric Constraints Enable Self-Supervised Sinogram Inpainting in
Sparse-View Tomography [7.416898042520079]
スパース角度トモグラフィースキャンは放射線を低減し、データ取得を加速するが、画像のアーチファクトやノイズに悩まされる。
既存の画像処理アルゴリズムはCT再構成の品質を復元することができるが、大きなトレーニングデータセットを必要とする場合が多い。
本研究は、勾配に基づく最適化により、欠落した射影ビューを最適化する自己教師付きプロジェクションインペインティング法を提案する。
論文 参考訳(メタデータ) (2023-02-13T15:15:18Z) - 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) - Self-Supervised Coordinate Projection Network for Sparse-View Computed
Tomography [31.774432128324385]
本研究では,1つのSVシングラムからアーチファクトフリーCT像を再構成する自己監督コーディネートプロジェクションnEtwork(SCOPE)を提案する。
暗黙的ニューラル表現ネットワーク(INR)を用いた類似の問題を解決する最近の研究と比較して、我々の重要な貢献は効果的で単純な再投射戦略である。
論文 参考訳(メタデータ) (2022-09-12T06:14:04Z) - 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) - Self-Supervised Training with Autoencoders for Visual Anomaly Detection [55.52743265122446]
ディープオートエンコーダは視覚領域における異常検出のタスクに使われてきた。
我々は、訓練中に識別情報を使用することが可能な自己指導型学習体制を適用することで、この問題に対処する。
MVTec ADデータセットを用いた実験では,高い検出性能と局所化性能を示した。
論文 参考訳(メタデータ) (2022-06-23T14:16:30Z) - DuDoTrans: Dual-Domain Transformer Provides More Attention for Sinogram
Restoration in Sparse-View CT Reconstruction [13.358197688568463]
撮像過程におけるヨウ素の放射線は 不可逆的な損傷を引き起こす
スパースビューCT画像に現れるアーティファクトを緩和する反復モデルが提案されているが,コストが高すぎる。
textbfDual-textbfDomain textbfDuDoTransを提案する。
論文 参考訳(メタデータ) (2021-11-21T10:41:07Z) - Learning Ultrasound Rendering from Cross-Sectional Model Slices for
Simulated Training [13.640630434743837]
計算シミュレーションは、バーチャルリアリティーにおけるそのようなスキルの訓練を容易にする。
インタラクティブな時間に任意のレンダリングやシミュレーションプロセスをバイパスするためにここに提案します。
我々は、専用のジェネレータアーキテクチャと入力供給方式を備えた生成的対向フレームワークを使用する。
論文 参考訳(メタデータ) (2021-01-20T21:58:19Z) - Improved Slice-wise Tumour Detection in Brain MRIs by Computing
Dissimilarities between Latent Representations [68.8204255655161]
磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。
本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。
本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
論文 参考訳(メタデータ) (2020-07-24T14:02:09Z)
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。