論文の概要: MIRT: a simultaneous reconstruction and affine motion compensation
technique for four dimensional computed tomography (4DCT)
- arxiv url: http://arxiv.org/abs/2402.04480v1
- Date: Wed, 7 Feb 2024 00:10:39 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-08 17:17:42.585859
- Title: MIRT: a simultaneous reconstruction and affine motion compensation
technique for four dimensional computed tomography (4DCT)
- Title（参考訳）: MIRT : 4次元CT(4DCT)のための同時再構成とアフィン運動補償法
- Authors: Anh-Tuan Nguyen, Jens Renders, Domenico Iuso, Yves Maris, Jeroen
Soete, Martine Wevers, Jan Sijbers, and Jan De Beenhouwer
- Abstract要約: 4次元CT(4DCT)では、一連の2次元投影画像から、移動または変形するサンプルの3次元像を再構成する。
近年の反復的動き補償再構成技術は、参照取得を必要とするか、画像再構成と動き推定を交互に行う必要がある。
本研究では,画像再構成とアフィン動作推定を組み合わせた効率的な反復再構成手法として,MIRT(Motion-compensated Iterative Restruction Technique)を提案する。
- 参考スコア（独自算出の注目度）: 3.5343621383192128
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In four-dimensional computed tomography (4DCT), 3D images of moving or
deforming samples are reconstructed from a set of 2D projection images. Recent
techniques for iterative motion-compensated reconstruction either necessitate a
reference acquisition or alternate image reconstruction and motion estimation
steps. In these methods, the motion estimation step involves the estimation of
either complete deformation vector fields (DVFs) or a limited set of parameters
corresponding to the affine motion, including rigid motion or scaling. The
majority of these approaches rely on nested iterations, incurring significant
computational expenses. Notably, despite the direct benefits of an analytical
formulation and a substantial reduction in computational complexity, there has
been no exploration into parameterizing DVFs for general affine motion in CT
imaging. In this work, we propose the Motion-compensated Iterative
Reconstruction Technique (MIRT)- an efficient iterative reconstruction scheme
that combines image reconstruction and affine motion estimation in a single
update step, based on the analytical gradients of the motion towards both the
reconstruction and the affine motion parameters. When most of the
state-of-the-art 4DCT methods have not attempted to be tested on real data,
results from simulation and real experiments show that our method outperforms
the state-of-the-art CT reconstruction with affine motion correction methods in
computational feasibility and projection distance. In particular, this allows
accurate reconstruction for a proper microscale diamond in the appearance of
motion from the practically acquired projection radiographs, which leads to a
novel application of 4DCT.
- Abstract（参考訳）: 4次元CT(4DCT)では、一連の2次元投影画像から、移動または変形するサンプルの3次元像を再構成する。
最近の反復運動補償再構成手法では、参照取得や代替画像再構成や動き推定ステップが必要となる。
これらの方法において、運動推定ステップは、完全変形ベクトル場(dvfs)または剛体運動やスケーリングを含むアフィン運動に対応する限られたパラメータの集合の推定を含む。
これらのアプローチの大半はネスト反復に依存しており、かなりの計算コストがかかる。
解析的定式化の直接的な利点と計算複雑性の大幅な低減にもかかわらず、CT画像における一般的なアフィン運動に対するDVFのパラメータ化についての調査は行われていない。
本研究では,画像再構成とアフィン運動推定を単一の更新ステップで組み合わせた効率的な反復的再構成手法である運動補償反復再構成手法(mirt)を提案する。
現状の4DCT法の大半が実データ上で試験されていない場合,シミュレーションおよび実実験の結果から,アフィン運動補正法とアフィン運動補正法を併用することにより,本手法の精度が向上することが示唆された。
特に、4DCTの新たな応用に繋がる、実際に取得したプロジェクション・ラジオグラフィーからの運動の外観における適切なマイクロスケールダイヤモンドの正確な再構築を可能にする。
関連論文リスト
- Distributed Stochastic Optimization of a Neural Representation Network for Time-Space Tomography Reconstruction [4.689071714940848]
X線CT(Computerd tomography)を用いた動的事象や変形物体の4次元時間空間再構成は、非常に不適切な逆問題である。
既存のアプローチでは、オブジェクトは数千から数百のX線投影計測画像の間静止していると仮定している。
本稿では,新しい分散学習アルゴリズムを用いて学習した,分散暗黙的ニューラルネットワークを用いた4次元時間空間再構成を提案する。
論文 参考訳（メタデータ） (2024-04-29T19:41:51Z) - Unsupervised 3D Pose Estimation with Non-Rigid Structure-from-Motion
Modeling [83.76377808476039]
本研究では,人間のポーズの変形をモデル化し,それに伴う拡散に基づく動きを事前に設計する手法を提案する。
動作中の3次元人間の骨格を復元する作業は3次元基準骨格の推定に分割する。
混合時空間NASfMformerを用いて、各フレームの3次元基準骨格と骨格変形を2次元観測シーケンスから同時に推定する。
論文 参考訳（メタデータ） (2023-08-18T16:41:57Z) - Gradient-Based Geometry Learning for Fan-Beam CT Reconstruction [7.04200827802994]
ファンビームCT再構成の微分定式化は、取得幾何に拡張される。
概念実証実験として、このアイデアは剛性運動補償に適用される。
アルゴリズムはMSEを35.5%削減し、SSIMを12.6%改善する。
論文 参考訳（メタデータ） (2022-12-05T11:18:52Z) - 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) - H4D: Human 4D Modeling by Learning Neural Compositional Representation [75.34798886466311]
この研究は、動的人間に対するコンパクトで構成的な表現を効果的に学習できる新しい枠組みを提示する。
単純で効果的な線形運動モデルを提案し, 粗く規則化された動き推定を行う。
本手法は, 高精度な動作と詳細な形状を持つ動的ヒトの回復に有効であるだけでなく, 様々な4次元人間関連タスクにも有効であることを示す。
論文 参考訳（メタデータ） (2022-03-02T17:10:49Z) - 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) - Multi-Slice Fusion for Sparse-View and Limited-Angle 4D CT
Reconstruction [3.045887205265198]
複数の低次元デノイザの融合に基づく新しい4次元再構成アルゴリズムであるマルチスライス融合を提案する。
分散異種クラスタ上でのマルチスライス融合を実装し,大規模な4次元ボリュームを適切な時間で再構築する。
論文 参考訳（メタデータ） (2020-08-01T02:32:43Z) - Inertial Measurements for Motion Compensation in Weight-bearing
Cone-beam CT of the Knee [6.7461735822055715]
膝のCTスキャン中の不随意運動は、再建されたボリュームのアーティファクトを引き起こすため、臨床診断には使用できない。
被験者の脚に慣性測定装置(IMU)を装着し,スキャン中の運動を測定する。
論文 参考訳（メタデータ） (2020-07-09T09:26:27Z) - Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。
患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。
本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
論文 参考訳（メタデータ） (2020-06-18T09:49:11Z) - A Deep Learning Approach for Motion Forecasting Using 4D OCT Data [69.62333053044712]
我々は,OCTボリュームのストリームを用いたエンド・ツー・エンド動作予測と推定のための4次元時間深度学習を提案する。
提案手法は,全体の平均相関97.41%の動作予測を実現するとともに,従来の3D手法と比較して2.5倍の動作推定性能を向上する。
論文 参考訳（メタデータ） (2020-04-21T15:59:53Z) - 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)
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。