論文の概要: Dual-Domain Coarse-to-Fine Progressive Estimation Network for Simultaneous Denoising, Limited-View Reconstruction, and Attenuation Correction of Cardiac SPECT

• arxiv url: http://arxiv.org/abs/2401.13140v1
• Date: Tue, 23 Jan 2024 23:28:15 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-25 15:51:55.140468
• Title: Dual-Domain Coarse-to-Fine Progressive Estimation Network for Simultaneous Denoising, Limited-View Reconstruction, and Attenuation Correction of Cardiac SPECT
• Title（参考訳）: 同期デノジング・リミテッドビュー再構成・心電図の減衰補正のためのデュアルドメイン粗-有限進行予測ネットワーク
• Authors: Xiongchao Chen, Bo Zhou, Xueqi Guo, Huidong Xie, Qiong Liu, James S. Duncan, Albert J.Sinusas, Chi Liu
• Abstract要約: SPECT(Single-Photon Emission Computed Tomography)は冠動脈疾患の診断に広く応用されている。 低線量(LD)SPECTは、放射線被曝を最小化するが、画像ノイズの増加につながる。最新のGEmyoSPECT ESシステムのような限定ビュー(LV)SPECTは、ハードウェアコストの高速化と削減を可能にするが、再構成精度は低下する。
• 参考スコア（独自算出の注目度）: 16.75701769113328
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Single-Photon Emission Computed Tomography (SPECT) is widely applied for the diagnosis of coronary artery diseases. Low-dose (LD) SPECT aims to minimize radiation exposure but leads to increased image noise. Limited-view (LV) SPECT, such as the latest GE MyoSPECT ES system, enables accelerated scanning and reduces hardware expenses but degrades reconstruction accuracy. Additionally, Computed Tomography (CT) is commonly used to derive attenuation maps ($\mu$-maps) for attenuation correction (AC) of cardiac SPECT, but it will introduce additional radiation exposure and SPECT-CT misalignments. Although various methods have been developed to solely focus on LD denoising, LV reconstruction, or CT-free AC in SPECT, the solution for simultaneously addressing these tasks remains challenging and under-explored. Furthermore, it is essential to explore the potential of fusing cross-domain and cross-modality information across these interrelated tasks to further enhance the accuracy of each task. Thus, we propose a Dual-Domain Coarse-to-Fine Progressive Network (DuDoCFNet), a multi-task learning method for simultaneous LD denoising, LV reconstruction, and CT-free $\mu$-map generation of cardiac SPECT. Paired dual-domain networks in DuDoCFNet are cascaded using a multi-layer fusion mechanism for cross-domain and cross-modality feature fusion. Two-stage progressive learning strategies are applied in both projection and image domains to achieve coarse-to-fine estimations of SPECT projections and CT-derived $\mu$-maps. Our experiments demonstrate DuDoCFNet's superior accuracy in estimating projections, generating $\mu$-maps, and AC reconstructions compared to existing single- or multi-task learning methods, under various iterations and LD levels. The source code of this work is available at https://github.com/XiongchaoChen/DuDoCFNet-MultiTask.
• Abstract（参考訳）: SPECT(Single-Photon Emission Computed Tomography)は冠動脈疾患の診断に広く応用されている。 低線量(LD)SPECTは放射線照射を最小限にすることを目的としているが、画像ノイズの増加につながる。 最新のGEmyoSPECT ESシステムのようなリミテッドビュー(LV)SPECTは、ハードウェアコストの削減と高速化を可能にするが、再構成精度は低下する。 さらにCT(Computerd Tomography)は、心筋SPECTの減衰補正(AC)のための減衰マップ(\mu$-maps)の導出に一般的に用いられているが、追加の照射露光とSPECT-CT誤診を導入する。 spect における ld ノイズ化,lv 再構成,ct-free ac のみに焦点をあてる様々な手法が開発されているが,これらの課題に同時に対処するためのソリューションは未検討のままである。 さらに、これらの相互関連タスク間でクロスドメインおよびクロスモダリティ情報を融合し、各タスクの精度をさらに向上させる可能性を検討することが重要である。 そこで我々はDuDoCFNet(Dual-Domain Coarse-to-Fine Progressive Network, DuDoCFNet)を提案する。 dudocfnetのデュアルドメインネットワークは、クロスドメインとクロスモダリティ機能融合のための多層融合機構を用いてカスケードされる。 2段階のプログレッシブラーニング戦略を投影領域と画像領域の両方に適用し、SPECTプロジェクションとCT由来の$\mu$-mapsの粗大な推定を行う。 本実験は,DuDoCFNetの予測精度が,既存の単タスクやマルチタスクの学習手法と比較して,様々なイテレーションやLDレベルにおいて,$\mu$-maps,AC再構成を生成することを示す。 この作業のソースコードはhttps://github.com/XiongchaoChen/DuDoCFNet-MultiTaskで公開されている。

関連論文リスト

• 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)
• WIA-LD2ND: Wavelet-based Image Alignment for Self-supervised Low-Dose CT Denoising [74.14134385961775]
  我々は, NDCTデータのみを用いて, WIA-LD2NDと呼ばれる新しい自己監督型CT画像復調法を提案する。 WIA-LD2ND は Wavelet-based Image Alignment (WIA) と Frequency-Aware Multi-scale Loss (FAM) の2つのモジュールから構成される。
  論文  参考訳（メタデータ） (2024-03-18T11:20:11Z)
• Low-Dose CT Image Reconstruction by Fine-Tuning a UNet Pretrained for Gaussian Denoising for the Downstream Task of Image Enhancement [3.7960472831772765]
  Computed Tomography (CT) は医用画像モダリティとして広く用いられているが,低用量CTデータからの再構成は難しい課題である。 本稿では,LDCT画像の再構成を行うための,より複雑な2段階の手法を提案する。 提案手法は,LoDoPaB-CTチャレンジにおける共有トップランキングと,SSIMメトリックに対する第1位を実現する。
  論文  参考訳（メタデータ） (2024-03-06T08:51:09Z)
• 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)
• 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)
• Joint Denoising and Few-angle Reconstruction for Low-dose Cardiac SPECT Using a Dual-domain Iterative Network with Adaptive Data Consistency [12.1851913514097]
  心筋SPECTの低線量および小角投射からの両端端関節脱生と再建のための二重領域反復ネットワークを提案する。 臨床MPIデータを用いた実験により,提案手法は既存の画像領域,投影領域,二重領域技術よりも優れていた。
  論文  参考訳（メタデータ） (2023-05-17T16:09:49Z)
• Cross-domain Iterative Network for Simultaneous Denoising, Limited-angle Reconstruction, and Attenuation Correction of Low-dose Cardiac SPECT [12.1851913514097]
  低線量(LD)SPECTは、放射線照射を最小限にすることを目的としているが、画像ノイズの増加につながる。限定角度(LA)SPECTは、より高速なスキャンとハードウェアコストの削減を可能にするが、再現精度は低下する。 CT由来の減衰マップ(mu$-maps)は、一般的にSPECT減衰補正(AC)に使用されるが、余分な放射線暴露とSPECT-CTの誤調整を引き起こす。 胸部SPECTにおいて,クロスドメイン反復ネットワーク(CDI-Net)とLA再建,CTフリー交流を同時に行うことを提案する。
  論文  参考訳（メタデータ） (2023-05-17T16:06:30Z)
• Dual-Branch Squeeze-Fusion-Excitation Module for Cross-Modality Registration of Cardiac SPECT and CT [8.366154384108464]
  心筋SPECTとCT由来のu-mapを登録するためのDuSFE (Dual-Branch Squeeze-Fusion-Excitation) モジュールを提案する。 DuSFEは、複数のモダリティからの知識を融合させ、各モダリティに対するチャネルワイドと空間的特徴の両方を再検討する。
  論文  参考訳（メタデータ） (2022-06-10T01:44:06Z)
• 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)
• 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)
• DAN-Net: Dual-Domain Adaptive-Scaling Non-local Network for CT Metal Artifact Reduction [15.225899631788973]
  金属インプラントはCTスキャンでX線を著しく減衰させ、再構成された画像に深刻なアーティファクトをもたらす。 CTにおける金属アーチファクト低減(MAR)のためのネットワークモデルがいくつか提案されている。 MARのための新しいデュアルドメイン適応スケーリング非ローカルネットワーク(DAN-Net)を紹介します。
  論文  参考訳（メタデータ） (2021-02-16T08:09:16Z)

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。