論文の概要: Neural Representation-Based Method for Metal-induced Artifact Reduction
in Dental CBCT Imaging
- arxiv url: http://arxiv.org/abs/2307.14579v1
- Date: Thu, 27 Jul 2023 01:57:06 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-28 16:10:17.322494
- Title: Neural Representation-Based Method for Metal-induced Artifact Reduction
in Dental CBCT Imaging
- Title（参考訳）: 歯科用CBCT画像における金属誘起アーティファクト低減のための神経表現法
- Authors: Hyoung Suk Park and Kiwan Jeon and Jin Keun Seo
- Abstract要約: 本研究は歯科用コーンビームCT(CBCT)の新しい再構成法を提案する。
一般的な金属インプラントの存在下で遭遇する金属誘起アーティファクトを効果的に低減することに焦点を当てている。
- 参考スコア（独自算出の注目度）: 1.1328639311427855
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This study introduces a novel reconstruction method for dental cone-beam
computed tomography (CBCT), focusing on effectively reducing metal-induced
artifacts commonly encountered in the presence of prevalent metallic implants.
Despite significant progress in metal artifact reduction techniques, challenges
persist owing to the intricate physical interactions between polychromatic
X-ray beams and metal objects, which are further compounded by the additional
effects associated with metal-tooth interactions and factors specific to the
dental CBCT data environment. To overcome these limitations, we propose an
implicit neural network that generates two distinct and informative tomographic
images. One image represents the monochromatic attenuation distribution at a
specific energy level, whereas the other captures the nonlinear beam-hardening
factor resulting from the polychromatic nature of X-ray beams. In contrast to
existing CT reconstruction techniques, the proposed method relies exclusively
on the Beer--Lambert law, effectively preventing the generation of
metal-induced artifacts during the backprojection process commonly implemented
in conventional methods. Extensive experimental evaluations demonstrate that
the proposed method effectively reduces metal artifacts while providing
high-quality image reconstructions, thus emphasizing the significance of the
second image in capturing the nonlinear beam-hardening factor.
- Abstract（参考訳）: 本研究では, 歯科用コーンビームCT (CBCT) の再構築手法を提案する。
金属アーチファクトの低減技術が著しく進歩したにもかかわらず、多色X線ビームと金属オブジェクトとの複雑な物理的相互作用により、さらに金属と歯の相互作用と歯科用CBCTデータ環境に特有の要因に結びついている。
これらの制約を克服するために,2つの異なる情報的トモグラフィ画像を生成する暗黙のニューラルネットワークを提案する。
1つの画像は特定のエネルギーレベルでの単色減衰分布を表し、もう1つの画像はX線光の多色性に起因する非線形ビーム硬化率を捉えている。
従来のCT再構成法とは対照的に,提案法はBeer-Lambert法にのみ依存しており,従来の方法で一般的に実装されているバックプロジェクションプロセスにおいて,金属誘起アーティファクトの発生を効果的に防止する。
広範な実験評価により, 提案手法は高品質な画像再構成を行いながら, 効果的に金属アーティファクトを低減できることが示され, 非線形ビーム硬化係数の取得における第2画像の重要性が強調された。
関連論文リスト
- Unsupervised Density Neural Representation for CT Metal Artifact Reduction [45.28053148579478]
本稿では,スキャン対象が金属を含む場合のCT金属アーチファクトの問題に対処するために,教師なし密度神経表現(ダイナー)を提案する。
既存の金属人工物還元(MAR)技術は、主にエネルギー誘起BHEを無視したイメージインペイントタスクとしてMARを定式化している。
我々は,エネルギー依存型LACをエネルギー非依存密度とエネルギー依存型質量減衰係数(MAC)に分解し,X線吸収の物理モデルを完全に検討した。
論文 参考訳（メタデータ） (2024-05-11T16:30:39Z) - MARformer: An Efficient Metal Artifact Reduction Transformer for Dental CBCT Images [53.62335292022492]
金属歯のインプラントはCBCTイメージングの過程で不愉快な金属加工物をもたらす可能性がある。
歯科用CBCT画像から金属アーティファクト低減(MAR)を実現するための効率的なトランスフォーマーを開発した。
P2FFN (Patch-wise Perceptive Feed Forward Network) も提案されている。
論文 参考訳（メタデータ） (2023-11-16T06:02:03Z) - Gradient Descent Provably Solves Nonlinear Tomographic Reconstruction [60.95625458395291]
計算トモグラフィー(CT)では、フォワードモデルは線形変換と、ベル=ランベルト法則に従って光の減衰に基づく指数非線形性によって構成される。
金属クラウンを用いた人間の頭蓋骨の商業的再構築と比較すると,このアプローチは金属人工物を減らすことが示されている。
論文 参考訳（メタデータ） (2023-10-06T00:47:57Z) - Unsupervised CT Metal Artifact Reduction by Plugging Diffusion Priors in
Dual Domains [8.40564813751161]
金属インプラントはしばしばCT画像の破壊的なアーティファクトを引き起こし、正確な診断を妨げる。
金属加工品(MAR)を減らすための教師付き深層学習に基づくいくつかのアプローチが提案されている。
本稿では,データ分布を表す高容量な生成モデルである拡散モデルに基づく教師なしMAR手法を提案する。
論文 参考訳（メタデータ） (2023-08-31T14:00:47Z) - 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) - Deep learning network to correct axial and coronal eye motion in 3D OCT
retinal imaging [65.47834983591957]
深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。
実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
論文 参考訳（メタデータ） (2023-05-27T03:55:19Z) - 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) - 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) - 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) - Encoding Metal Mask Projection for Metal Artifact Reduction in Computed
Tomography [21.5885187197634]
CT(Computerd tomography)における金属人工物還元(MAR)は、画像領域において人工物が構造化され非局所的であるため、非常に難しい課題である。
そこで本研究では,(1)シングラム中の金属汚染領域の維持,(2)バイナライズされた金属の痕跡を金属マスク投影に置き換えることにより,この問題に対処することを提案する。
我々の新しいネットワークは、特に金属オブジェクトが大きい場合、最先端のアプローチよりも、より正確な人工物再現画像を生成する。
論文 参考訳（メタデータ） (2020-01-02T06:39:06Z)
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。