論文の概要: TD-Net: A Tri-domain network for sparse-view CT reconstruction
- arxiv url: http://arxiv.org/abs/2311.15369v1
- Date: Sun, 26 Nov 2023 17:48:53 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-28 17:52:37.811149
- Title: TD-Net: A Tri-domain network for sparse-view CT reconstruction
- Title（参考訳）: TD-Net : スパース・ビューCT再構成のためのトリドメインネットワーク
- Authors: Xinyuan Wang and Changqing Su and Bo Xiong
- Abstract要約: TD-Netは、シングラム、画像、周波数領域最適化を統一する先駆的な三領域アプローチである。
複雑な詳細を十分に保存し、過度にスムースな問題を克服する。
様々なノイズシナリオにおけるTD-Netの機能強化は、医療画像のブレークスルーとしての可能性を強調している。
- 参考スコア（独自算出の注目度）: 16.40734977207315
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Sparse-view CT reconstruction, aimed at reducing X-ray radiation risks,
frequently suffers from image quality degradation, manifested as noise and
artifacts. Existing post-processing and dual-domain techniques, although
effective in radiation reduction, often lead to over-smoothed results,
compromising diagnostic clarity. Addressing this, we introduce TD-Net, a
pioneering tri-domain approach that unifies sinogram, image, and frequency
domain optimizations. By incorporating Frequency Supervision Module(FSM),
TD-Net adeptly preserves intricate details, overcoming the prevalent
over-smoothing issue. Extensive evaluations demonstrate TD-Net's superior
performance in reconstructing high-quality CT images from sparse views,
efficiently balancing radiation safety and image fidelity. The enhanced
capabilities of TD-Net in varied noise scenarios highlight its potential as a
breakthrough in medical imaging.
- Abstract（参考訳）: X線放射リスクの低減を目的としたスパースビューCT再構成は、しばしば画質劣化に悩まされ、ノイズやアーティファクトとして現れる。
既存のポストプロセッシングとデュアルドメイン技術は、放射線の低減に効果があるが、しばしば過剰な結果につながり、診断の明確さを損なう。
そこで本研究では,シンノグラム,画像,周波数領域の最適化を統一したtd-netを提案する。
周波数スーパービジョンモジュール(FSM)を組み込むことで、TD-Netは複雑な詳細を十分に保存する。
広汎な評価は、高画質CT画像のスパースビューからの再構成におけるTD-Netの優れた性能を示す。
様々なノイズシナリオにおけるTD-Netの機能強化は、医療画像のブレークスルーとしての可能性を強調している。
関連論文リスト
- 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) - Low-Dose CT Image Enhancement Using Deep Learning [0.0]
電離放射線の少ない線量、特にCT(Computerd tomography)イメージングシステムでの使用が好ましい。
CT画像における放射線線量削減の一般的な方法は、クォータードーズ法として知られている。
近年のディープラーニングアプローチは、低用量アーティファクトのイメージ強化に興味深い可能性をもたらしている。
論文 参考訳（メタデータ） (2023-10-31T08:34:33Z) - SdCT-GAN: Reconstructing CT from Biplanar X-Rays with Self-driven
Generative Adversarial Networks [6.624839896733912]
本稿では,3次元CT画像の再構成のための自己駆動型生成対向ネットワークモデル(SdCT-GAN)を提案する。
識別器に新しいオートエンコーダ構造を導入することにより、画像の詳細により多くの注意を払っている。
LPIPS評価基準は,既存画像よりも微細な輪郭やテクスチャを定量的に評価できる。
論文 参考訳（メタデータ） (2023-09-10T08:16:02Z) - FreeSeed: Frequency-band-aware and Self-guided Network for Sparse-view
CT Reconstruction [34.91517935951518]
スパース・ビュー・コンピュート・トモグラフィー(CT)は, 患者への放射線曝露を迅速化し, 患者への放射線照射を緩和するための, 有望な方法である。
近年,深層学習に基づく画像後処理手法が有望な成果を上げている。
本稿では,FREquency-band-awarEとSelf-guidedを併用したFREquency-band-awarEとSelf-guidedネットワークを提案する。
論文 参考訳（メタデータ） (2023-07-12T03:39:54Z) - Making the Invisible Visible: Toward High-Quality Terahertz Tomographic
Imaging via Physics-Guided Restoration [24.045067900801072]
テラヘルツ(THz)トモグラフィーは、非侵襲的で非破壊的で、非イオン化、物質分類、超高速な物体探査と検査により、近年大きな注目を集めている。
本稿では,THz画像のマルチビューアテンションとマルチスペクトル特徴を融合した多視点サブスペース誘導再生ネットワーク(SARNet)を提案する。
論文 参考訳（メタデータ） (2023-04-28T15:05:46Z) - SNAF: Sparse-view CBCT Reconstruction with Neural Attenuation Fields [71.84366290195487]
神経減衰場を学習し,スパースビューCBCT再構成のためのSNAFを提案する。
提案手法は,入力ビューが20程度しかなく,高再生品質(30以上のPSNR)で優れた性能を実現する。
論文 参考訳（メタデータ） (2022-11-30T14:51:14Z) - 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) - Multi-Cycle-Consistent Adversarial Networks for Edge Denoising of
Computed Tomography Images [18.33958264827512]
低線量低線量CT画像(ドメインY)からの高線量CT画像(ドメインX)のような高線量化の試み
本論文では、中間領域を構築し、CT画像のエッジデノイジングのためのローカルおよびグローバルサイクル一貫性の両方を強制するマルチサイクル一貫性対人ネットワーク(MCCAN)を提案する。
論文 参考訳（メタデータ） (2021-04-25T01:53:46Z) - Adaptive Gradient Balancing for UndersampledMRI Reconstruction and
Image-to-Image Translation [60.663499381212425]
本研究では,新しい適応勾配バランス手法を併用したwasserstein生成逆ネットワークを用いて,画質の向上を図る。
MRIでは、他の技術よりも鮮明な画像を生成する高品質の再構築を維持しながら、アーティファクトを最小限に抑えます。
論文 参考訳（メタデータ） (2021-04-05T13:05:22Z) - Frequency Consistent Adaptation for Real World Super Resolution [64.91914552787668]
実シーンにスーパーリゾリューション(SR)法を適用する際に周波数領域の整合性を保証する新しい周波数一貫性適応(FCA)を提案する。
監視されていない画像から劣化カーネルを推定し、対応するLow-Resolution (LR)画像を生成する。
ドメイン一貫性のあるLR-HRペアに基づいて、容易に実装可能な畳み込みニューラルネットワーク(CNN)SRモデルを訓練する。
論文 参考訳（メタデータ） (2020-12-18T08:25:39Z) - Inf-Net: Automatic COVID-19 Lung Infection Segmentation from CT Images [152.34988415258988]
CT画像からの肺感染症の自動検出は、新型コロナウイルスに対処するための従来の医療戦略を強化する大きな可能性を秘めている。
CTスライスから感染領域を分割することは、高い感染特性の変化、感染と正常な組織の間の低強度のコントラストなど、いくつかの課題に直面している。
これらの課題に対処するため, 胸部CTスライスから感染部位を自動的に同定する, 新型のCOVID-19 Deep Lung infection Network (Inf-Net) が提案されている。
論文 参考訳（メタデータ） (2020-04-22T07:30:56Z)
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。