論文の概要: Towards Head Computed Tomography Image Reconstruction Standardization with Deep Learning Assisted Automatic Detection

• arxiv url: http://arxiv.org/abs/2307.16440v2
• Date: Fri, 15 Sep 2023 07:44:05 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-18 17:55:52.250876
• Title: Towards Head Computed Tomography Image Reconstruction Standardization with Deep Learning Assisted Automatic Detection
• Title（参考訳）: 深層学習支援自動検出による頭部ct画像再構成標準化に向けて
• Authors: Bowen Zheng, Chenxi Huang, Yuemei Luo
• Abstract要約: 頭部CT像の3次元再構成は組織構造の複雑な空間的関係を解明する。 偏差のない最適な頭部CTスキャンを確保することは、技術者による低い位置決め、患者の身体的制約、CTスキャナの傾斜角度制限など、臨床環境では困難である。 そこで本研究では,手動による介入を低減し,精度と再現性を向上し,効率的な頭部CT画像の3D再構成法を提案する。
• 参考スコア（独自算出の注目度）: 5.288684776927016
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Three-dimensional (3D) reconstruction of head Computed Tomography (CT) images elucidates the intricate spatial relationships of tissue structures, thereby assisting in accurate diagnosis. Nonetheless, securing an optimal head CT scan without deviation is challenging in clinical settings, owing to poor positioning by technicians, patient's physical constraints, or CT scanner tilt angle restrictions. Manual formatting and reconstruction not only introduce subjectivity but also strain time and labor resources. To address these issues, we propose an efficient automatic head CT images 3D reconstruction method, improving accuracy and repeatability, as well as diminishing manual intervention. Our approach employs a deep learning-based object detection algorithm, identifying and evaluating orbitomeatal line landmarks to automatically reformat the images prior to reconstruction. Given the dearth of existing evaluations of object detection algorithms in the context of head CT images, we compared ten methods from both theoretical and experimental perspectives. By exploring their precision, efficiency, and robustness, we singled out the lightweight YOLOv8 as the aptest algorithm for our task, with an mAP of 92.77% and impressive robustness against class imbalance. Our qualitative evaluation of standardized reconstruction results demonstrates the clinical practicability and validity of our method.
• Abstract（参考訳）: 頭部CT像の3次元再構成は, 組織構造の複雑な空間的関係を解明し, 正確な診断を支援する。 いずれにせよ,患者の身体的制約やCTスキャナの傾斜角度制限など,臨床現場では,偏差のない最適な頭部CTスキャンの確保は困難である。 手動のフォーマッティングと再構築は主観性だけでなく、時間と労働資源も導入する。 これらの課題に対処するため,手動による介入を低減し,精度と再現性を向上する効率的な頭部CT画像再構成手法を提案する。 本手法では,深層学習に基づく物体検出アルゴリズムを用いて軌道線ランドマークを同定・評価し,再構成前の画像の自動再構成を行う。 頭部ct画像の文脈における物体検出アルゴリズムの既存評価の多さを考慮し,理論的および実験的視点から10の手法を比較した。 精度、効率、ロバスト性を探ることで、軽量のYOLOv8を92.77%のmAPと、クラス不均衡に対する顕著な堅牢性で、タスクのアペストアルゴリズムとして取り上げました。 標準化された再建成績の質的評価は,本手法の臨床的実践性と妥当性を示すものである。

関連論文リスト

• Reconstruct Spine CT from Biplanar X-Rays via Diffusion Learning [26.866131691476255]
  術中CT画像は外科的指導に欠かせない資料であるが、必ずしも手軽に利用でき、実装も容易ではない。 本稿では,バイプレナーX線を用いた3次元CT再構成手法を提案する。
  論文  参考訳（メタデータ） (2024-08-19T06:34:01Z)
• INeAT: Iterative Neural Adaptive Tomography [34.84974955073465]
  反復型ニューラルアダプティブ・トモグラフィ(INeAT)は、姿勢の最適化を組み込んで、姿勢の摂動の影響を抑える。 IneAT は, 顕著なポーズ障害を伴うシナリオにおいて, アーティファクト抑制, 解像度向上を達成できることを実証した。
  論文  参考訳（メタデータ） (2023-11-03T01:00:36Z)
• Disruptive Autoencoders: Leveraging Low-level features for 3D Medical Image Pre-training [51.16994853817024]
  本研究は、3Dラジオグラフィ画像のための効果的な事前学習フレームワークの設計に焦点をあてる。 ローカルマスキングと低レベルの摂動の組み合わせによって生成された破壊から、オリジナルのイメージを再構築しようとする事前トレーニングフレームワークであるDisruptive Autoencodersを紹介する。 提案する事前トレーニングフレームワークは、複数のダウンストリームタスクでテストされ、最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2023-07-31T17:59:42Z)
• Cross-attention learning enables real-time nonuniform rotational distortion correction in OCT [15.445504413810093]
  非一様回転歪み(NURD)補正は内視鏡的光コヒーレンス断層撮影(OCT)に不可欠である。 本稿では,OCTにおけるNURD補正のためのクロスアテンション学習手法を提案する。 本手法は,自然言語処理とコンピュータビジョンにおける自己認識機構の成功に着想を得たものである。
  論文  参考訳（メタデータ） (2023-06-07T15:25:27Z)
• 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)
• Attentive Symmetric Autoencoder for Brain MRI Segmentation [56.02577247523737]
  視覚変換器(ViT)をベースとした3次元脳MRIセグメンテーションタスクのための新しいアテンテーティブシンメトリオートエンコーダを提案する。 事前学習の段階では、提案するオートエンコーダがより注意を払って、勾配測定値に従って情報パッチを再構築する。 実験の結果,提案手法は最先端の自己教師付き学習法や医用画像分割モデルよりも優れていた。
  論文  参考訳（メタデータ） (2022-09-19T09:43:19Z)
• Computed Tomography Reconstruction using Generative Energy-Based Priors [13.634603375405744]
  我々は、基準CTデータに基づいて、その可能性の最大化により、大域的受容場を持つパラメトリック正則化器を学習する。 正規化器を限られた角度と少数のCT再構成問題に適用し、従来の再構成アルゴリズムよりも大きなマージンで性能を向上する。
  論文  参考訳（メタデータ） (2022-03-23T18:26:23Z)
• A parameter refinement method for Ptychography based on Deep Learning concepts [55.41644538483948]
  伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。 最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。 我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
  論文  参考訳（メタデータ） (2021-05-18T10:15:17Z)
• Tattoo tomography: Freehand 3D photoacoustic image reconstruction with an optical pattern [49.240017254888336]
  光音響トモグラフィ(PAT)は、形態学的および機能的組織特性の両方を解決することができる新しいイメージング技術である。 現在の欠点は、従来の2Dプローブによって提供される視野の制限である。 本研究では,外部追跡システムを必要としないPATデータの3次元再構成手法を提案する。
  論文  参考訳（メタデータ） (2020-11-10T09:27:56Z)
• Self-Supervised Training For Low Dose CT Reconstruction [0.0]
  本研究は,低線量シノグラムを自身のトレーニングターゲットとして用いるためのトレーニングスキームを定義する。 ノイズが要素的に独立な射影領域に自己超越原理を適用する。 提案手法は,従来手法と圧縮方式の両方において,反復的再構成法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-10-25T22:02:14Z)
• Spatio-Temporal Deep Learning Methods for Motion Estimation Using 4D OCT Image Data [63.73263986460191]
  特定の対象領域の局所化と運動の推定は、外科的介入の際のナビゲーションの一般的な問題である。 OCT画像ボリュームの時間的ストリームを用いることで、深層学習に基づく動き推定性能が向上するかどうかを検討する。 モデル入力に4D情報を使用すると、合理的な推論時間を維持しながら性能が向上する。
  論文  参考訳（メタデータ） (2020-04-21T15:43:01Z)

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。