論文の概要: MARformer: An Efficient Metal Artifact Reduction Transformer for Dental CBCT Images

• arxiv url: http://arxiv.org/abs/2311.09590v2
• Date: Thu, 18 Apr 2024 08:49:03 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-19 20:39:38.141579
• Title: MARformer: An Efficient Metal Artifact Reduction Transformer for Dental CBCT Images
• Title（参考訳）: MARformer:歯科用CBCT画像のための効率的な金属アーチファクト低減トランス
• Authors: Yuxuan Shi, Jun Xu, Dinggang Shen,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 53.62335292022492
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cone Beam Computed Tomography (CBCT) plays a key role in dental diagnosis and surgery. However, the metal teeth implants could bring annoying metal artifacts during the CBCT imaging process, interfering diagnosis and downstream processing such as tooth segmentation. In this paper, we develop an efficient Transformer to perform metal artifacts reduction (MAR) from dental CBCT images. The proposed MAR Transformer (MARformer) reduces computation complexity in the multihead self-attention by a new Dimension-Reduced Self-Attention (DRSA) module, based on that the CBCT images have globally similar structure. A Patch-wise Perceptive Feed Forward Network (P2FFN) is also proposed to perceive local image information for fine-grained restoration. Experimental results on CBCT images with synthetic and real-world metal artifacts show that our MARformer is efficient and outperforms previous MAR methods and two restoration Transformers.
• Abstract（参考訳）: Cone Beam Computed Tomography (CBCT) は歯科診断と手術において重要な役割を担っている。 しかし、歯のインプラントはCBCTイメージングの過程で、診断や歯のセグメンテーションなどの下流処理を妨害して、迷惑な金属加工物をもたらす可能性がある。 本稿では歯科用CBCT画像から金属アーチファクト低減(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する。 提案したMAR変換器(MARformer)は、CBCT画像がグローバルに類似した構造を持つことに基づいて、新しいDmension-Reduced Self-Attention (DRSA)モジュールにより、マルチヘッド自己アテンションの計算複雑性を低減する。 P2FFN (Patch-wise Perceptive Feed Forward Network) も提案されている。 人工的および実世界の金属加工品を用いたCBCT画像実験の結果, 我々のMARフォーマは, 従来のMAR法と2つの復元トランスフォーマよりも効率的で優れていたことが判明した。

関連論文リスト

• Diffusion Models for Counterfactual Generation and Anomaly Detection in Brain Images [59.85702949046042]
  病気の画像の健全なバージョンを生成し,それを用いて画素単位の異常マップを得るための弱教師付き手法を提案する。 健常者を対象にした拡散モデルを用いて, サンプリングプロセスの各ステップで拡散拡散確率モデル (DDPM) と拡散拡散確率モデル (DDIM) を組み合わせる。 本手法が正常なサンプルに適用された場合,入力画像は大幅な修正を伴わずに再構成されることを確認した。
  論文  参考訳（メタデータ） (2023-08-03T21:56:50Z)
• ToothSegNet: Image Degradation meets Tooth Segmentation in CBCT Images [13.572872371886577]
  ToothSegNetは、トレーニング中に生成された劣化したイメージでセグメンテーションモデルを知る新しいフレームワークである。 ToothSegNetはより精密なセグメンテーションを生成し、最先端の医療画像セグメンテーション手法より優れている。
  論文  参考訳（メタデータ） (2023-07-05T01:41:24Z)
• On Sensitivity and Robustness of Normalization Schemes to Input Distribution Shifts in Automatic MR Image Diagnosis [58.634791552376235]
  深層学習(DL)モデルは、再構成画像を入力として、複数の疾患の診断において最先端のパフォーマンスを達成した。 DLモデルは、トレーニングとテストフェーズ間の入力データ分布の変化につながるため、さまざまなアーティファクトに敏感である。 本稿では,グループ正規化やレイヤ正規化といった他の正規化手法を用いて,画像のさまざまなアーチファクトに対して,モデル性能にロバスト性を注入することを提案する。
  論文  参考訳（メタデータ） (2023-06-23T03:09:03Z)
• Nonlinear ill-posed problem in low-dose dental cone-beam computed tomography [1.039109674772348]
  本報告では, 歯科用CBCTが標準CTより悪用されている理由について述べる。 このような悪影響にもかかわらず, 歯科用CBCTシステムの需要は, コスト競争性や放射線線量が少なく, 急速に増大している。
  論文  参考訳（メタデータ） (2023-03-03T02:46:15Z)
• 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)
• Metal Artifact Reduction with Intra-Oral Scan Data for 3D Low Dose Maxillofacial CBCT Modeling [0.7444835592104696]
  高精度な3次元顎顔面CBCTモデリングのための2段階金属アーチファクト低減法を提案する。 第1段階では、金属関連アーティファクトを緩和するために画像と画像の深層学習ネットワークが使用される。 第2段階では、矯正された歯科用CBCT画像から骨を分割して3次元顎顔面モデルを構築する。
  論文  参考訳（メタデータ） (2022-02-08T00:24:41Z)
• 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)
• Metal Artifact Reduction in 2D CT Images with Self-supervised Cross-domain Learning [30.977044473457]
  金属アーチファクトリダクション(MAR)の新しい深層学習手法を提案する。 我々はニューラルネットワークをトレーニングし、与えられた金属フリーなノモグラムの金属トレース領域値を復元する。 次に、より完全な完了結果を生成するために、新しいFBP再構成損失を設計する。
  論文  参考訳（メタデータ） (2021-09-28T04:40:57Z)
• 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)
• 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。