論文の概要: INeAT: Iterative Neural Adaptive Tomography

• arxiv url: http://arxiv.org/abs/2311.01653v1
• Date: Fri, 3 Nov 2023 01:00:36 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-06 15:37:46.077831
• Title: INeAT: Iterative Neural Adaptive Tomography
• Title（参考訳）: INeAT: 反復型ニューラルアダプティブ・トモグラフィ
• Authors: Bo Xiong, Changqing Su, Zihan Lin, You Zhou, Zhaofei Yu
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 34.84974955073465
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Computed Tomography (CT) with its remarkable capability for three-dimensional imaging from multiple projections, enjoys a broad range of applications in clinical diagnosis, scientific observation, and industrial detection. Neural Adaptive Tomography (NeAT) is a recently proposed 3D rendering method based on neural radiance field for CT, and it demonstrates superior performance compared to traditional methods. However, it still faces challenges when dealing with the substantial perturbations and pose shifts encountered in CT scanning processes. Here, we propose a neural rendering method for CT reconstruction, named Iterative Neural Adaptive Tomography (INeAT), which incorporates iterative posture optimization to effectively counteract the influence of posture perturbations in data, particularly in cases involving significant posture variations. Through the implementation of a posture feedback optimization strategy, INeAT iteratively refines the posture corresponding to the input images based on the reconstructed 3D volume. We demonstrate that INeAT achieves artifact-suppressed and resolution-enhanced reconstruction in scenarios with significant pose disturbances. Furthermore, we show that our INeAT maintains comparable reconstruction performance to stable-state acquisitions even using data from unstable-state acquisitions, which significantly reduces the time required for CT scanning and relaxes the stringent requirements on imaging hardware systems, underscoring its immense potential for applications in short-time and low-cost CT technology.
• Abstract（参考訳）: ct(ct)は、複数の投影から3次元イメージングに優れた能力を持ち、臨床診断、科学的観察、工業的検出に幅広い応用を享受している。 ニューラル・アダプティブ・トモグラフィー(NeAT)は,最近提案されたCTのニューラル・ラディアンス・フィールドに基づく3次元レンダリング手法であり,従来の手法と比較して優れた性能を示す。 しかし、ctスキャンプロセスで発生する実質的な摂動やポーズシフトを扱う場合、依然として課題に直面している。 本稿では,反復的姿勢最適化を組み込んだ反復的姿勢適応トモグラフィ(ineat)と呼ばれるct再構成のためのニューラルレンダリング手法を提案する。 姿勢フィードバック最適化戦略の実装により、ineatは、再構成された3次元ボリュームに基づいて、入力画像に対応する姿勢を反復的に洗練する。 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と解像度向上を実現していることを示す。 さらに、不安定な状態取得のデータを用いても、我々のINeATは安定した状態取得に匹敵する再構成性能を維持しており、CTスキャンに必要な時間を大幅に削減し、画像ハードウェアシステムに対する厳密な要求を緩和し、短時間で低コストなCT技術の応用の可能性を強調する。

関連論文リスト

• TomoGRAF: A Robust and Generalizable Reconstruction Network for Single-View Computed Tomography [3.1209855614927275]
  従来の解析的・定性的なCT再構成アルゴリズムは数百の角データサンプリングを必要とする。 我々は,高品質な3Dボリュームを再構成するために,ユニークなX線輸送物理を取り入れた新しいTtomoGRAFフレームワークを開発した。
  論文  参考訳（メタデータ） (2024-11-12T20:07:59Z)
• 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)
• Towards Head Computed Tomography Image Reconstruction Standardization with Deep Learning Assisted Automatic Detection [5.288684776927016]
  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。
  論文  参考訳（メタデータ） (2023-07-31T06:58:49Z)
• 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)
• Fluid registration between lung CT and stationary chest tomosynthesis images [23.239722016943794]
  計測された投影とデジタル再構成されたラジオグラフに基づいて3次元変形を推定する3D/2D登録手法を定式化する。 我々は,CTと静止胸部トモシンセシス(sDCT)画像の登録に対するアプローチを実証し,それが反復的画像再構成アプローチにどのように自然に導かれるかを示した。
  論文  参考訳（メタデータ） (2022-03-06T21:51:49Z)
• Neural Computed Tomography [1.7188280334580197]
  一連のプロジェクションの取得時の運動は、CT再構成において重要な運動アーティファクトにつながる可能性がある。 動作成果物から解放された時間分解画像を生成するための新しい再構成フレームワークであるNeuralCTを提案する。
  論文  参考訳（メタデータ） (2022-01-17T18:50:58Z)
• 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)
• A Learning-based Method for Online Adjustment of C-arm Cone-Beam CT Source Trajectories for Artifact Avoidance [47.345403652324514]
  市販CBCT装置で実現可能な復元品質はペダルスクリューの存在下での金属加工品のため不十分である。 そこで本研究では,C-arm CBCTソーストラジェクトリをスキャン中に調整し,特定のタスクに対する再構成品質を最適化することを提案する。 リアルにシミュレートされたデータに基づいてトレーニングされた畳み込みニューラルネットワークは、CBCTソース軌跡のシーン特異的な調整を可能にする品質指標を予測することができることを示す。
  論文  参考訳（メタデータ） (2020-08-14T09:23:50Z)
• 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)
• Learned Spectral Computed Tomography [0.0]
  スペクトル光子結合型CTのためのディープラーニングイメージング法を提案する。 この方法は、ケース固有データを用いて訓練された2段階の学習された原始双対アルゴリズムの形を取る。 提案手法は, 限られたデータの場合であっても, 高速再構成機能と高速撮像性能により特徴付けられる。
  論文  参考訳（メタデータ） (2020-03-09T13:39:12Z)

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。