論文の概要: Solving Low-Dose CT Reconstruction via GAN with Local Coherence
- arxiv url: http://arxiv.org/abs/2309.13584v1
- Date: Sun, 24 Sep 2023 08:55:42 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-26 18:52:56.267555
- Title: Solving Low-Dose CT Reconstruction via GAN with Local Coherence
- Title(参考訳): 局所コヒーレンスを用いた低線量CT再構成
- Authors: Wenjie Liu
- Abstract要約: 本稿では,局所コヒーレンスを向上したGANを用いた新しい手法を提案する。
提案手法は, 近接画像の局所的コヒーレンスを光学的流れにより捕捉し, 構築した画像の精度と安定性を著しく向上させる。
- 参考スコア(独自算出の注目度): 2.325977856241404
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The Computed Tomography (CT) for diagnosis of lesions in human internal
organs is one of the most fundamental topics in medical imaging. Low-dose CT,
which offers reduced radiation exposure, is preferred over standard-dose CT,
and therefore its reconstruction approaches have been extensively studied.
However, current low-dose CT reconstruction techniques mainly rely on
model-based methods or deep-learning-based techniques, which often ignore the
coherence and smoothness for sequential CT slices. To address this issue, we
propose a novel approach using generative adversarial networks (GANs) with
enhanced local coherence. The proposed method can capture the local coherence
of adjacent images by optical flow, which yields significant improvements in
the precision and stability of the constructed images. We evaluate our proposed
method on real datasets and the experimental results suggest that it can
outperform existing state-of-the-art reconstruction approaches significantly.
- Abstract(参考訳): 体内臓器の病変を診断するためのct(ct)は、医用画像診断の最も基本的な話題の1つである。
放射線照射の少ない低用量CTは標準用量CTよりも好まれており,再建法は広く研究されている。
しかし、現在の低用量CT再構成技術は主にモデルベースの手法やディープラーニングベースの手法に依存しており、シーケンシャルCTスライスにおけるコヒーレンスと滑らかさを無視することが多い。
そこで本研究では,局所コヒーレンスを向上したGANを用いた新しい手法を提案する。
提案手法では,隣接画像の局所的コヒーレンスを光学的流れで捉えることにより,構築画像の精度と安定性が大幅に向上する。
提案手法を実データで評価し, 実験結果から, 既往の再構築手法を大幅に上回ることができることが示唆された。
関連論文リスト
- AC-IND: Sparse CT reconstruction based on attenuation coefficient estimation and implicit neural distribution [12.503822675024054]
CTは産業用非破壊検査や診断において重要な役割を担っている。
スパースビューCT再構成は,少数のプロジェクションのみを使用しながら,高品質なCT像を再構成することを目的としている。
本稿では,減衰係数推定と入射ニューラル分布に基づく自己教師型手法であるAC-INDを紹介する。
論文 参考訳(メタデータ) (2024-09-11T10:34:41Z) - A Low-dose CT Reconstruction Network Based on TV-regularized OSEM Algorithm [10.204918070701211]
低用量CT(LDCT)は人体に対する潜在的な害を軽減する上で大きな利点がある。
予測 (EM) アルゴリズムを用いることで, LDCT の再構成精度を向上させるために, 統計的先行値と人工先行値を組み合わせることができる。
本稿では,EMアルゴリズムのM'-stepにTV正規化を組み込むことにより,効果的かつ効率的な正規化を実現することを提案する。
論文 参考訳(メタデータ) (2024-08-25T13:31:53Z) - 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) - Low-Dose CT Image Reconstruction by Fine-Tuning a UNet Pretrained for
Gaussian Denoising for the Downstream Task of Image Enhancement [3.7960472831772765]
Computed Tomography (CT) は医用画像モダリティとして広く用いられているが,低用量CTデータからの再構成は難しい課題である。
本稿では,LDCT画像の再構成を行うための,より複雑な2段階の手法を提案する。
提案手法は,LoDoPaB-CTチャレンジにおける共有トップランキングと,SSIMメトリックに対する第1位を実現する。
論文 参考訳(メタデータ) (2024-03-06T08:51:09Z) - Rotational Augmented Noise2Inverse for Low-dose Computed Tomography
Reconstruction [83.73429628413773]
改良された深層学習手法は、画像のノイズを除去する能力を示しているが、正確な地上の真実を必要とする。
畳み込みニューラルネットワーク(CNN)のトレーニングに基礎的真理を必要としないLDCTのための新しい自己教師型フレームワークを提案する。
数値および実験結果から,Sparse View を用いた N2I の再構成精度は低下しており,提案手法は異なる範囲のサンプリング角度で画像品質を向上する。
論文 参考訳(メタデータ) (2023-12-19T22:40:51Z) - Reconstructing the somatotopic organization of the corticospinal tract
remains a challenge for modern tractography methods [55.07297021627281]
CST(Corticospinal tract)は、人間の脳において、身体の自発的な動きを制御できる重要なホワイトマター線維である。
拡散MRIトラクトグラフィーは、ヒトの健康におけるCST経路の解剖学的および変動性の研究を可能にする唯一の方法である。
論文 参考訳(メタデータ) (2023-06-09T02:05:40Z) - 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) - Incremental Cross-view Mutual Distillation for Self-supervised Medical
CT Synthesis [88.39466012709205]
本稿では,スライス間の分解能を高めるために,新しい医療スライスを構築した。
臨床実践において, 根本・中間医療スライスは常に欠落していることを考慮し, 相互蒸留の段階的相互蒸留戦略を導入する。
提案手法は,最先端のアルゴリズムよりも明確なマージンで優れる。
論文 参考訳(メタデータ) (2021-12-20T03:38:37Z) - 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) - Iterative Reconstruction for Low-Dose CT using Deep Gradient Priors of
Generative Model [24.024765099719886]
反復的な再構成は、光子フラックスの低減による雑音の増加を補う最も有望な方法の1つである。
本研究では,低用量CTの反復生成モデルに条件項としてデータ一貫性を統合する。
再構成画像と多様体との間の距離は、再構成中のデータの忠実度とともに最小化される。
論文 参考訳(メタデータ) (2020-09-27T06:36:39Z)
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。