Fugu-MT 論文翻訳(概要): Diffusion Prior Regularized Iterative Reconstruction for Low-dose CT

論文の概要: Diffusion Prior Regularized Iterative Reconstruction for Low-dose CT

arxiv url: http://arxiv.org/abs/2310.06949v1
Date: Tue, 10 Oct 2023 19:08:57 GMT
ステータス: 処理完了
システム内更新日: 2023-10-14 02:42:44.611387
Title: Diffusion Prior Regularized Iterative Reconstruction for Low-dose CT
Title（参考訳）: 低用量CTにおける拡散前定期的反復再建術
Authors: Wenjun Xia and Yongyi Shi and Chuang Niu and Wenxiang Cong and Ge Wang
Abstract要約: 拡散前に正規化された反復的再構成アルゴリズムを導入する。また、ネステロフ運動量加速技術も取り入れた。本手法は,高分解能CT画像の再構成を最小限の放射線で行うことが可能である。
参考スコア（独自算出の注目度）: 9.866443235747287
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Computed tomography (CT) involves a patient's exposure to ionizing radiation. To reduce the radiation dose, we can either lower the X-ray photon count or down-sample projection views. However, either of the ways often compromises image quality. To address this challenge, here we introduce an iterative reconstruction algorithm regularized by a diffusion prior. Drawing on the exceptional imaging prowess of the denoising diffusion probabilistic model (DDPM), we merge it with a reconstruction procedure that prioritizes data fidelity. This fusion capitalizes on the merits of both techniques, delivering exceptional reconstruction results in an unsupervised framework. To further enhance the efficiency of the reconstruction process, we incorporate the Nesterov momentum acceleration technique. This enhancement facilitates superior diffusion sampling in fewer steps. As demonstrated in our experiments, our method offers a potential pathway to high-definition CT image reconstruction with minimized radiation.
Abstract（参考訳）: CT(Computed tomography)は、患者が電離放射線に曝露すること。放射線線量を減らすために、X線光子カウントを下げるか、ダウンサンプルプロジェクションビューを下げることができる。しかし、どちらの方法も画像の品質を損なうことが多い。そこで本研究では,拡散前に正規化される反復再構成アルゴリズムを提案する。 denoising diffusion probabilistic model (ddpm) の異常なイメージング能力について考察し,データ忠実度を優先する再構成手順と融合する。この融合は両方の技術の利点を活かし、教師なしの枠組みで例外的な再構築結果をもたらす。復元プロセスの効率をさらに高めるため, ネステロフ運動量加速度法を応用した。この強化は、少ないステップで優れた拡散サンプリングを促進する。実験で示されたように,本手法は放射線の最小化による高精細CT画像再構成への潜在的経路を提供する。

関連論文リスト

Iterative CT Reconstruction via Latent Variable Optimization of Shallow Diffusion Models [1.4019041243188557]
拡散確率モデルと反復CT再構成を組み合わせた新しいCT再構成法を提案する。提案手法の有効性を1/10プロジェクションデータのスパースプロジェクションCT再構成を用いて実証した。
論文参考訳（メタデータ） (2024-08-06T12:55:17Z)
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)
Score-Based Diffusion Models for Photoacoustic Tomography Image Reconstruction [6.497421531514728]
光音響トモグラフィ(英: Photoacoustic tomography, PAT)は、超音波画像深度と光吸収コントラストを組み合わせた、急速に進化する医療画像のモダリティである。 PATの課題の1つは、センサカバレッジの制限やトランスデューサアレイの密度による音響信号の不十分さによる画像再構成である。 PATの限られた測定値から画像を再構成する逆問題を解決するために,スコアベース拡散モデルを用いる。
論文参考訳（メタデータ） (2024-03-30T20:34:49Z)
Efficient Diffusion Model for Image Restoration by Residual Shifting [63.02725947015132]
本研究では,画像復元のための新しい,効率的な拡散モデルを提案する。提案手法は,推論中の後処理の高速化を回避し,関連する性能劣化を回避する。提案手法は,3つの古典的IRタスクにおける現在の最先端手法よりも優れた,あるいは同等の性能を実現する。
論文参考訳（メタデータ） (2024-03-12T05:06:07Z)
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)
Parallel Diffusion Model-based Sparse-view Cone-beam Breast CT [7.712142153700843]
我々は,切欠き拡散確率モデル(DDPM)を,サブボリュームベーススパースビュー胸部CT画像再構成のための並列フレームワークに変換する。実験により, 本手法は, 標準放射線線量の半分から3分の1の競争再建性能を達成できることが判明した。
論文参考訳（メタデータ） (2023-03-22T18:55:43Z)
One Sample Diffusion Model in Projection Domain for Low-Dose CT Imaging [10.797632196651731]
低線量CTは臨床応用における放射線リスクの低減に重要な役割を担っている。ディープラーニングの急速な開発と幅広い応用により、低線量CTイメージングアルゴリズムの開発に向けた新たな方向性がもたらされた。低用量CT再構成のための投影領域における完全に教師なし1サンプル拡散モデル(OSDM)を提案する。以上の結果から,OSDMはアーティファクトを低減し,画像品質を維持するための実用的で効果的なモデルであることが証明された。
論文参考訳（メタデータ） (2022-12-07T13:39:23Z)
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)
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)
Towards performant and reliable undersampled MR reconstruction via diffusion model sampling [67.73698021297022]
DiffuseReconは拡散モデルに基づく新しいMR再構成法である。観測された信号に基づいて生成過程を導出する。特定の加速因子に関する追加の訓練は必要としない。
論文参考訳（メタデータ） (2022-03-08T02:25:38Z)
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。