論文の概要: Equivariant Multiscale Learned Invertible Reconstruction for Cone Beam
CT
- arxiv url: http://arxiv.org/abs/2401.11256v1
- Date: Sat, 20 Jan 2024 15:29:29 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-23 17:20:41.003050
- Title: Equivariant Multiscale Learned Invertible Reconstruction for Cone Beam
CT
- Title（参考訳）: コーンビームCTの多変量学習可逆再構成
- Authors: Nikita Moriakov, Jan-Jakob Sonke, Jonas Teuwen
- Abstract要約: 本稿では,高速かつメモリ効率の良いCBCT再構成手法であるLIRE+を提案する。
LIRE+ は CBCT 再構成のための多変量学習非可逆原始双対反復スキームである。
本手法は, ソラックステストセット上でのLIREを含む古典的および深層学習ベースラインを超越した手法である。
- 参考スコア（独自算出の注目度）: 7.497397088625152
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Cone Beam CT (CBCT) is an essential imaging modality nowadays, but the image
quality of CBCT still lags behind the high quality standards established by the
conventional Computed Tomography. We propose LIRE+, a learned iterative scheme
for fast and memory-efficient CBCT reconstruction, which is a substantially
faster and more parameter-efficient alternative to the recently proposed LIRE
method. LIRE+ is a rotationally-equivariant multiscale learned invertible
primal-dual iterative scheme for CBCT reconstruction. Memory usage is optimized
by relying on simple reversible residual networks in primal/dual cells and
patch-wise computations inside the cells during forward and backward passes,
while increased inference speed is achieved by making the primal-dual scheme
multiscale so that the reconstruction process starts at low resolution and with
low resolution primal/dual latent vectors. A LIRE+ model was trained and
validated on a set of 260 + 22 thorax CT scans and tested using a set of 142
thorax CT scans with additional evaluation with and without finetuning on an
out-of-distribution set of 79 Head and Neck (HN) CT scans. Our method surpasses
classical and deep learning baselines, including LIRE, on the thorax test set.
For a similar inference time and with only 37 % of the parameter budget, LIRE+
achieves a +0.2 dB PSNR improvement over LIRE, while being able to match the
performance of LIRE in 45 % less inference time and with 28 % of the parameter
budget. Rotational equivariance ensures robustness of LIRE+ to patient
orientation, while LIRE and other deep learning baselines suffer from
substantial performance degradation when patient orientation is unusual. On the
HN dataset in the absence of finetuning, LIRE+ is generally comparable to LIRE
in performance apart from a few outlier cases, whereas after identical
finetuning LIRE+ demonstates a +1.02 dB PSNR improvement over LIRE.
- Abstract（参考訳）: 近年, Cone Beam CT (CBCT) は画像モダリティに欠かせないが, CBCT の画質は従来のComputed Tomography で確立された高品質標準に遅れを取っている。
lire+は高速でメモリ効率のよいcbct再構成のための学習された反復スキームであり,最近提案されているlire法に比べて大幅に高速でパラメータ効率のよい代替手法である。
LIRE+ は CBCT 再構成のための多変量学習非可逆原始双対反復スキームである。
メモリ使用量は、プリミティブ/デュアルセル内の単純な可逆的残差ネットワークと、前方および後方通過中のセル内のパッチワイド計算を頼りにすることで最適化されるが、プリミティブ/デュアルスキームをマルチスケール化することにより、リコンストラクションプロセスが低解像度で開始され、低解像度のプリミティブ/デュアル潜在ベクトルによって、推論速度が向上する。
lire+モデルは260 + 22の胸部ctスキャンで訓練され、79個の頭頸部(hn)のctスキャンを微調整することなく142個の胸部ctスキャンでテストされた。
本手法は,胸部テストセット上でのLIREを含む古典的および深層学習ベースラインを超える。
同様の推定時間とパラメータ予算の37%しか持たないLIRE+は、LIREよりも0.2dBのPSNR改善を実現し、LIREの性能を45%、パラメータ予算の28%で一致させることができる。
回転均等性は患者向きに対するLIRE+の堅牢性を保証する一方、LIREや他の深層学習ベースラインは患者向きが異常な場合に顕著なパフォーマンス劣化に悩まされる。
微調整のないHNデータセットでは、LIRE+はいくつかの不適切なケースを除いて、通常LIREに匹敵する性能を持つが、LIRE+と同じ微調整後のLIRE+では、LIREよりも+1.02dB PSNRの改善が見られた。
関連論文リスト
- Future frame prediction in chest cine MR imaging using the PCA respiratory motion model and dynamically trained recurrent neural networks [0.0]
肺放射線治療システムは、推定腫瘍位置の不確実性や健康な組織の高照射を引き起こす遅延を受ける。
この研究は、オンライン学習アルゴリズムで訓練されたRNNを用いて、胸部ダイナミックMRIシーケンスの将来のフレーム予測に対処し、その遅延を補償する。
論文 参考訳（メタデータ） (2024-10-08T10:21:43Z) - Self-Supervised Adversarial Diffusion Models for Fast MRI Reconstruction [1.167578793004766]
本稿では,自己教師付き深層学習圧縮拡散センシングMRI(DL)法を提案する。
対象はT1データセット(T1-w)50例であった。
ReconFormer TransformerとSS-MRIを比較し、正規化平均誤差(NMSE)、ピーク信号-雑音比(PSNR)、類似度指数(SSIM)を用いて性能を評価する。
論文 参考訳（メタデータ） (2024-06-21T21:22:17Z) - 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) - Fast and accurate sparse-view CBCT reconstruction using meta-learned
neural attenuation field and hash-encoding regularization [13.01191568245715]
コーンビームCT(CBCT)は、患者の内部解剖学的構造を可視化する新しい医用イメージング技術である。
再構成画像の品質を維持しながらCBCTスキャンにおける投影回数を減らすことは困難である。
本研究では,高速かつ高精度な CBCT 再構成手法を提案する。
論文 参考訳（メタデータ） (2023-12-04T07:23:44Z) - Towards Memory- and Time-Efficient Backpropagation for Training Spiking
Neural Networks [70.75043144299168]
スパイキングニューラルネットワーク(SNN)は、ニューロモルフィックコンピューティングのためのエネルギー効率の高いモデルである。
本研究では,学習効率を大幅に向上させつつ,高い性能を達成できる空間学習時間(SLTT)法を提案する。
BPTTと比較して, メモリコストとトレーニング時間は, それぞれ70%以上, 50%以上削減されている。
論文 参考訳（メタデータ） (2023-02-28T05:01:01Z) - 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) - Spatiotemporal Feature Learning Based on Two-Step LSTM and Transformer
for CT Scans [2.3682456328966115]
我々は、新型コロナウイルスの症状分類を徹底的に行うための、新しい、効果的、2段階のアプローチを提案する。
まず,従来のバックボーンネットワークにより,CTスキャンにおける各スライスの意味的特徴埋め込みを抽出する。
そこで我々は,時間的特徴学習を扱うために,LSTMとTransformerベースのサブネットワークを提案する。
論文 参考訳（メタデータ） (2022-07-04T16:59:05Z) - Sinogram upsampling using Primal-Dual UNet for undersampled CT and
radial MRI reconstruction [0.4199844472131921]
Primal-Dual ネットワークは、疎サンプリングされたCTデータを再構成するためのディープラーニングベースの手法である。
本稿では,Primal-Dual UNetを導入し,精度と再構築速度の点でPrimal-Dualネットワークを改善した。
論文 参考訳（メタデータ） (2021-12-26T19:31:34Z) - Multiple Time Series Fusion Based on LSTM An Application to CAP A Phase
Classification Using EEG [56.155331323304]
本研究では,深層学習に基づく脳波チャンネルの特徴レベル融合を行う。
チャネル選択,融合,分類手順を2つの最適化アルゴリズムで最適化した。
論文 参考訳（メタデータ） (2021-12-18T14:17:49Z) - CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors
and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。
SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。
我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文 参考訳（メタデータ） (2020-07-20T21:47:28Z) - Iterative Network for Image Super-Resolution [69.07361550998318]
単一画像超解像(SISR)は、最近の畳み込みニューラルネットワーク(CNN)の発展により、大幅に活性化されている。
本稿では、従来のSISRアルゴリズムに関する新たな知見を提供し、反復最適化に依存するアプローチを提案する。
反復最適化の上に,新しい反復型超解像ネットワーク (ISRN) を提案する。
論文 参考訳（メタデータ） (2020-05-20T11:11:47Z)
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。