Fugu-MT 論文翻訳(概要): XProspeCT: CT Volume Generation from Paired X-Rays

論文の概要: XProspeCT: CT Volume Generation from Paired X-Rays

arxiv url: http://arxiv.org/abs/2403.00771v1
Date: Sun, 11 Feb 2024 21:57:49 GMT
ステータス: 処理完了
システム内更新日: 2024-03-11 00:20:33.343429
Title: XProspeCT: CT Volume Generation from Paired X-Rays
Title（参考訳）: XProspeCT:ピアドX線からのCTボリューム生成
Authors: Benjamin Paulson, Joshua Goldshteyn, Sydney Balboni, John Cisler, Andrew Crisler, Natalia Bukowski, Julia Kalish, Theodore Colwell
Abstract要約: 我々は、X線画像をシミュレーションCTボリュームに変換するために、以前の研究に基づいて構築した。モデルバリエーションには、UNetアーキテクチャ、カスタム接続、アクティベーション関数、損失関数、新しいバックプロジェクションアプローチなどがある。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Computed tomography (CT) is a beneficial imaging tool for diagnostic purposes. CT scans provide detailed information concerning the internal anatomic structures of a patient, but present higher radiation dose and costs compared to X-ray imaging. In this paper, we build on previous research to convert orthogonal X-ray images into simulated CT volumes by exploring larger datasets and various model structures. Significant model variations include UNet architectures, custom connections, activation functions, loss functions, optimizers, and a novel back projection approach.
Abstract（参考訳）: ct(ct)は診断のための有用なイメージングツールである。 CTスキャンは患者の内部解剖学的構造に関する詳細な情報を提供するが、X線撮影と比較して放射線線量やコストが高い。本稿では,より広いデータセットと様々なモデル構造を探索することにより,直交x線画像をシミュレーションctボリュームに変換するための先行研究について述べる。重要なモデルのバリエーションは、unetアーキテクチャ、カスタム接続、アクティベーション関数、損失関数、オプティマイザ、新しいバックプロジェクションアプローチなどである。

関連論文リスト

3D-CT-GPT: Generating 3D Radiology Reports through Integration of Large Vision-Language Models [51.855377054763345]
本稿では,VQAに基づく医用視覚言語モデルである3D-CT-GPTについて紹介する。パブリックデータセットとプライベートデータセットの両方の実験により、3D-CT-GPTはレポートの正確さと品質という点で既存の手法を著しく上回っていることが示された。
論文参考訳（メタデータ） (2024-09-28T12:31:07Z)
DiffuX2CT: Diffusion Learning to Reconstruct CT Images from Biplanar X-Rays [41.393567374399524]
条件拡散過程として超スパースX線からのCT再構成をモデル化したDiffuX2CTを提案する。これにより、DiffuX2CTは2次元X線から3次元構造情報を復元できる構造制御可能な再構成を実現する。コントリビューションとして,LumbarVと呼ばれる実世界の腰椎CTデータセットを新しいベンチマークとして収集し,X線からのCT再構成の臨床的意義と性能を検証した。
論文参考訳（メタデータ） (2024-07-18T14:20:04Z)
Beyond Images: An Integrative Multi-modal Approach to Chest X-Ray Report Generation [47.250147322130545]
画像からテキストまでの放射線学レポート生成は,医療画像の発見を記述した放射線学レポートを自動生成することを目的としている。既存の方法の多くは画像データのみに焦点をあてており、他の患者情報は放射線科医に公開されていない。胸部X線レポートを生成するための多モードディープニューラルネットワークフレームワークを,非構造的臨床ノートとともにバイタルサインや症状などの構造化された患者データを統合することで提案する。
論文参考訳（メタデータ） (2023-11-18T14:37:53Z)
UMedNeRF: Uncertainty-aware Single View Volumetric Rendering for Medical Neural Radiance Fields [38.62191342903111]
生成した放射場に基づく不確実性を考慮したMedNeRF(UMedNeRF)ネットワークを提案する。我々は,CTプロジェクションレンダリングの結果を1つのX線で示し,生成した放射場に基づく他の手法との比較を行った。
論文参考訳（メタデータ） (2023-11-10T02:47:15Z)
Medical Image Captioning via Generative Pretrained Transformers [57.308920993032274]
我々は、Show-Attend-Tell と GPT-3 という2つの言語モデルを組み合わせて、包括的で記述的な放射線学記録を生成する。提案モデルは、Open-I、MIMIC-CXR、汎用MS-COCOの2つの医療データセットで検証される。
論文参考訳（メタデータ） (2022-09-28T10:27:10Z)
Improving Computed Tomography (CT) Reconstruction via 3D Shape Induction [3.1498833540989413]
再現モデルのトレーニング中に現実的なX線分布を取り入れた新しい手法として,CTの監督なしに3次元CTの形状を学習する形状誘導法を提案する。本研究は, 肺疾患におけるCTの知覚的品質と下流分類の精度を両立させることを実証した。
論文参考訳（メタデータ） (2022-08-23T13:06:02Z)
Image Synthesis with Disentangled Attributes for Chest X-Ray Nodule Augmentation and Detection [52.93342510469636]
肺癌早期検診では胸部X線像の肺結節検出が一般的である。ディープラーニングに基づくコンピュータ支援診断(CAD)システムは、CXRの結節スクリーニングのために放射線科医をサポートすることができる。このようなデータセットの可用性を損なうため,データ拡張のために肺結節合成法を提案する。
論文参考訳（メタデータ） (2022-07-19T16:38:48Z)
Context-Aware Transformers For Spinal Cancer Detection and Radiological Grading [70.04389979779195]
本稿では,脊椎分析に関わる医療画像問題に対するトランスフォーマーを用いた新しいモデルアーキテクチャを提案する。 MR画像におけるそのようなモデルの2つの応用について考察する: (a)脊椎転移の検出と脊椎骨折の関連状況と転移性脊髄圧迫。画像中の脊椎のコンテキストを考慮することで,SCTは以前に公表したモデルと比較して,いくつかのグレーディングの精度を向上することを示す。
論文参考訳（メタデータ） (2022-06-27T10:31:03Z)
MedNeRF: Medical Neural Radiance Fields for Reconstructing 3D-aware CT-Projections from a Single X-ray [14.10611608681131]
過剰な電離放射線は、体に決定論的かつ有害な影響をもたらす可能性がある。本稿では,CTプロジェクションの再構成を学習する深層学習モデルを提案する。
論文参考訳（メタデータ） (2022-02-02T13:25:23Z)
X-ray Dissectography Enables Stereotography to Improve Diagnostic Performance [5.357314252311141]
少ない放射線投影から対象臓器・組織をデジタル的に抽出する「X線ディストモグラフィー」を提案する。実験により、X線ステレオグラフィーは肺のような孤立した臓器で達成できることが示された。 X線ディストモグラフィーは、放射線線量とシステムコストにおけるCTグレード診断のための新しいX線画像モダリティを、放射線画像やトモシンセティックイメージングに匹敵する、と約束している。
論文参考訳（メタデータ） (2021-11-30T00:31:59Z)
XraySyn: Realistic View Synthesis From a Single Radiograph Through CT Priors [118.27130593216096]
放射線写真は、X線を用いて患者の内部解剖を視覚化し、3D情報を2次元平面に投影する。私たちの知る限りでは、ラジオグラフィビューの合成に関する最初の研究である。本手法は,3次元空間におけるX線撮影の理解を得ることにより,地中骨ラベルを使わずに,X線撮影による骨抽出と骨抑制に応用できることが示唆された。
論文参考訳（メタデータ） (2020-12-04T05:08:53Z)

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。