論文の概要: List-Mode PET Image Reconstruction Using Dykstra-Like Splitting
- arxiv url: http://arxiv.org/abs/2403.00394v1
- Date: Fri, 1 Mar 2024 09:29:41 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-05 17:46:18.441213
- Title: List-Mode PET Image Reconstruction Using Dykstra-Like Splitting
- Title(参考訳): Dykstra-like Splitting を用いたリストモードPET画像再構成
- Authors: Kibo Ote, Fumio Hashimoto, Yuya Onishi, Yasuomi Ouchi
- Abstract要約: 我々はDykstra-like splitting PET reconstruction (LM-MLDS)を提案する。
LM-MLDSは高いピーク信号対雑音比を提供し、ノイズとコントラストの間のトレードオフ曲線の振動を抑制する。
臨床研究において、LM-MLDSは軸方向視野の端にある偽ホットスポットを除去し、頭頂部から小脳までを覆うスライスの画像品質を改善した。
- 参考スコア(独自算出の注目度): 2.6217304977339473
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: To converge the block iterative method in image reconstruction for positron
emission tomography (PET), careful control of relaxation parameters is
required, which is a challenging task. The automatic determination of
relaxation parameters for list-mode reconstructions also remains challenging.
Therefore, a different approach than controlling relaxation parameters would be
desired by list-mode PET reconstruction. In this study, we propose a list-mode
maximum likelihood Dykstra-like splitting PET reconstruction (LM-MLDS). LM-MLDS
converges the list-mode block iterative method by adding the distance from an
initial image as a penalty term into an objective function. LM-MLDS takes a
two-step approach because its performance depends on the quality of the initial
image. The first step uses a uniform image as the initial image, and then the
second step uses a reconstructed image after one main iteration as the initial
image. We evaluated LM-MLDS using simulation and clinical data. LM-MLDS
provided a higher peak signal-to-noise ratio and suppressed an oscillation of
tradeoff curves between noise and contrast than the other block iterative
methods. In a clinical study, LM-MLDS removed the false hotspots at the edge of
the axial field of view and improved the image quality of slices covering the
top of the head to the cerebellum. LM-MLDS showed different noise properties
than the other methods due to Gaussian denoising induced by the proximity
operator. The list-mode proximal splitting PET reconstruction is useful not
only for optimizing nondifferentiable functions such as total variation but
also for converging block iterative methods without controlling relaxation
parameters.
- Abstract(参考訳): ポジトロン断層撮影(PET)の画像再構成におけるブロック反復法を収束させるためには, 緩和パラメータの注意深く制御する必要がある。
リストモード再構築における緩和パラメータの自動決定も困難である。
したがって、リストモードPET再構成では緩和パラメータの制御とは異なるアプローチが望まれる。
本研究では,Dykstra-like splitting PET reconstruction (LM-MLDS)を提案する。
LM-MLDSは、初期画像からペナルティ項としての距離を目的関数に付加することにより、リストモードブロック反復法を収束させる。
LM-MLDSは、初期画像の品質に依存するため、2段階のアプローチをとる。
第1ステップは、初期画像として一様画像を使用し、その後、第2ステップは、1つのメインイテレーション後の再構成イメージを初期画像として使用する。
シミュレーションと臨床データを用いたLM-MLDSの評価を行った。
LM-MLDSは高いピーク信号対雑音比を提供し、ノイズとコントラストのトレードオフ曲線の振動を他のブロック反復法よりも抑制した。
臨床研究において、LM-MLDSは軸方向視野の端にある偽ホットスポットを除去し、頭頂部から小脳までを覆うスライスの画像品質を改善した。
LM-MLDSは近接演算子によって誘導されるガウス雑音による他の手法とは異なるノイズ特性を示した。
リストモード近位分割PET再構成は、全変動などの非微分関数を最適化するだけでなく、緩和パラメータを制御せずにブロック反復法の収束にも有用である。
関連論文リスト
- vSHARP: variable Splitting Half-quadratic Admm algorithm for Reconstruction of inverse-Problems [7.043932618116216]
vSHARP (variable Splitting Half-quadratic ADMM algorithm for Reconstruction of inverse Problems) は、医学的イメージング(MI)における不適切な逆問題の解法である。
データ一貫性のために、vSHARPは画像領域で微分勾配降下過程をアンロールし、一方、U-NetアーキテクチャのようなDLベースのデノイザは画質を高めるために適用される。
我々の最先端手法との比較分析は,これらの応用におけるvSHARPの優れた性能を示すものである。
論文 参考訳(メタデータ) (2023-09-18T17:26:22Z) - Deep Richardson-Lucy Deconvolution for Low-Light Image Deblurring [48.80983873199214]
我々は,飽和画素を学習潜時マップでモデル化するデータ駆動型手法を開発した。
新しいモデルに基づいて、非盲検除色タスクを最大後部(MAP)問題に定式化することができる。
増幅されたアーティファクトを使わずに高品質な劣化画像を推定するために,我々は事前推定ネットワークを構築した。
論文 参考訳(メタデータ) (2023-08-10T12:53:30Z) - Improving Pixel-based MIM by Reducing Wasted Modeling Capability [77.99468514275185]
浅い層から低レベルの特徴を明示的に利用して画素再構成を支援する手法を提案する。
私たちの知る限りでは、等方的アーキテクチャのためのマルチレベル特徴融合を体系的に研究するのは、私たちは初めてです。
提案手法は, 微調整では1.2%, 線形探索では2.8%, セマンティックセグメンテーションでは2.6%など, 大幅な性能向上をもたらす。
論文 参考訳(メタデータ) (2023-08-01T03:44:56Z) - APRF: Anti-Aliasing Projection Representation Field for Inverse Problem
in Imaging [74.9262846410559]
Sparse-view Computed Tomography (SVCT) は画像の逆問題である。
近年の研究では、インプリシット・ニューラル・リ表現(INR)を用いて、シングラムとCT画像の座標に基づくマッピングを構築している。
自己教師型SVCT再構成法の提案 -抗エイリアス射影表現場(APRF)-
APRFは空間的制約によって隣接する投影ビュー間の連続的な表現を構築することができる。
論文 参考訳(メタデータ) (2023-07-11T14:04:12Z) - Learned Alternating Minimization Algorithm for Dual-domain Sparse-View
CT Reconstruction [6.353014736326698]
デュアルドメインビューCT画像再構成のための新しい学習最小化アルゴリズム(LAMA)を提案する。
LAMAは信頼性の高い再構築のために確実に収束している。
論文 参考訳(メタデータ) (2023-06-05T07:29:18Z) - Degradation-Aware Unfolding Half-Shuffle Transformer for Spectral
Compressive Imaging [142.11622043078867]
圧縮画像と物理マスクからパラメータを推定し,これらのパラメータを用いて各イテレーションを制御する,DAUF(Degradation-Aware Unfolding Framework)を提案する。
HST を DAUF に接続することにより,HSI 再構成のための変換器の深部展開法であるデグレーション・アウェア・アンフォールディング・ハーフシャッフル変換器 (DAUHST) を確立した。
論文 参考訳(メタデータ) (2022-05-20T11:37:44Z) - List-Mode PET Image Reconstruction Using Deep Image Prior [3.6427817678422016]
PET(List-mode positron emission tomography)画像再構成はPETスキャナーにとって重要なツールである。
深層学習はPET画像再構成の品質を高める1つの方法である。
本研究では,Deep image priorと呼ばれる教師なしCNNを用いた新しいPET画像再構成手法を提案する。
論文 参考訳(メタデータ) (2022-04-28T10:44:33Z) - Direct PET Image Reconstruction Incorporating Deep Image Prior and a
Forward Projection Model [0.0]
畳み込みニューラルネットワーク(CNN)は近年,PET画像再構成において顕著な性能を発揮している。
深層画像前処理を組み込んだ非教師なし直接PET画像再構成手法を提案する。
提案手法は,非教師なしPET画像再構成を実現するために,損失関数付き前方投影モデルを組み込んだ。
論文 参考訳(メタデータ) (2021-09-02T08:07:58Z) - 3D Human Pose and Shape Regression with Pyramidal Mesh Alignment
Feedback Loop [128.07841893637337]
回帰に基づく手法は最近、単眼画像からヒトのメッシュを再構成する有望な結果を示した。
パラメータの小さな偏差は、推定メッシュと画像のエビデンスの間に顕著な不一致を引き起こす可能性がある。
本稿では,特徴ピラミッドを活用し,予測パラメータを補正するために,ピラミッドメッシュアライメントフィードバック(pymaf)ループを提案する。
論文 参考訳(メタデータ) (2021-03-30T17:07:49Z) - A deep primal-dual proximal network for image restoration [8.797434238081372]
我々は、プリミティブ・デュアル・イテレーションから構築されたディープPDNetというディープネットワークを設計し、前もって分析を行い、標準的なペナル化可能性の最小化を図った。
フルラーニング」と「パートラーニング」の2つの異なる学習戦略が提案され、第1は最も効率的な数値である。
以上の結果から,提案したDeepPDNetは,MNISTと,より複雑なBSD68,BSD100,SET14データセットにおいて,画像復元と単一画像超解像処理に優れた性能を示した。
論文 参考訳(メタデータ) (2020-07-02T08:29:52Z) - Kullback-Leibler Divergence-Based Fuzzy $C$-Means Clustering
Incorporating Morphological Reconstruction and Wavelet Frames for Image
Segmentation [152.609322951917]
そこで我々は,厳密なウェーブレットフレーム変換と形態的再構成操作を組み込むことで,Kulback-Leibler (KL) 発散に基づくFuzzy C-Means (FCM) アルゴリズムを考案した。
提案アルゴリズムはよく機能し、他の比較アルゴリズムよりもセグメンテーション性能が優れている。
論文 参考訳(メタデータ) (2020-02-21T05:19:10Z)
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。