論文の概要: Reconstruction for Sparse View Tomography of Long Objects Applied to
Imaging in the Wood Industry
- arxiv url: http://arxiv.org/abs/2403.02820v1
- Date: Tue, 5 Mar 2024 09:44:19 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-06 15:19:14.135154
- Title: Reconstruction for Sparse View Tomography of Long Objects Applied to
Imaging in the Wood Industry
- Title（参考訳）: 木材産業のイメージングに応用した長尺物体のスパース・ビュー・トモグラフィーの再構築
- Authors: Buda Baji\'c, Johannes A. J. Huber, Benedikt Neyses, Linus Olofsson,
Ozan \"Oktem
- Abstract要約: 木材産業では、ログは、いくつかのソース位置から動くコンベヤベルト上の離散X線スキャンによって、一般的に品質が検査される。
本稿では,シーケンシャルスキャンに適した学習されたPrimal-Dualニューラルネットワークに基づく反復的再構成手法を提案する。
- 参考スコア（独自算出の注目度）: 0.42855555838080833
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In the wood industry, logs are commonly quality screened by discrete X-ray
scans on a moving conveyor belt from a few source positions. Typically,
two-dimensional (2D) slice-wise measurements are obtained by a sequential
scanning geometry. Each 2D slice alone does not carry sufficient information
for a three-dimensional tomographic reconstruction in which biological features
of interest in the log are well preserved. In the present work, we propose a
learned iterative reconstruction method based on the Learned Primal-Dual neural
network, suited for sequential scanning geometries. Our method accumulates
information between neighbouring slices, instead of only accounting for single
slices during reconstruction. Our quantitative and qualitative evaluations with
as few as five source positions show that our method yields reconstructions of
logs that are sufficiently accurate to identify biological features like knots
(branches), heartwood and sapwood.
- Abstract（参考訳）: 木材産業では、ログは、いくつかのソース位置から動くコンベヤベルト上の離散X線スキャンによって、一般的に品質が検査される。
通常、2次元(2D)スライスワイス測定はシーケンシャルスキャン幾何によって得られる。
それぞれの2次元スライスだけでは、ログに対する生物学的特徴が十分に保存されている3次元トモグラフィー再構成のための十分な情報を持っていない。
本研究は,逐次走査型ジオメトリに適した学習された原始-双対ニューラルネットワークに基づく反復的再構成手法を提案する。
本手法は, 再建時に1つのスライスのみを考慮せずに, 隣接するスライス間の情報を蓄積する。
定量的・定性的な評価から,ノット(枝),ハートウッド,サップウッドなどの生物学的特徴を十分に同定できるログの再構成が得られた。
関連論文リスト
- Tissue Segmentation of Thick-Slice Fetal Brain MR Scans with Guidance
from High-Quality Isotropic Volumes [52.242103848335354]
本稿では,高品位等方性ボリュームから学習した知識を高密度スライススキャンの正確な組織セグメント化のために効率的に伝達するC2DA-Netを提案する。
我々のC2DA-Netは、注釈のない厚いスライススキャンで組織分画をガイドするために、注釈付き等方性ボリュームの小さなセットを十分に利用できる。
論文 参考訳（メタデータ） (2023-08-13T12:51:15Z) - Enforcing 3D Topological Constraints in Composite Objects via Implicit Functions [60.56741715207466]
医学的応用は心臓や脊椎などの複数の部分を持つ複雑な臓器の正確な3D表現を必要とすることが多い。
本稿では,深い暗黙的符号付き距離関数を用いた3次元物体再構成におけるトポロジ的制約を強制する新しい手法を提案する。
そこで本研究では,3次元形状間のトポロジ的制約を効果的に検証・実施するサンプリングベース手法を提案する。
論文 参考訳（メタデータ） (2023-07-16T10:07:15Z) - Batch-based Model Registration for Fast 3D Sherd Reconstruction [74.55975819488404]
3次元復元技術は、考古学的断片のデジタル文書化に広く用いられている。
考古学遺跡から出土した断片の効率的なデジタル化のための携帯型,高スループット,高精度な復元システムを開発することを目的としている。
フラグメントの前後をペアリングするバッチベースの新しいマッチングアルゴリズムと,非常に狭い重複領域を共有する部分スキャンを登録できるバイラテラル境界ICPアルゴリズムを開発した。
論文 参考訳（メタデータ） (2022-11-13T13:08:59Z) - Two-Stream Graph Convolutional Network for Intra-oral Scanner Image
Segmentation [133.02190910009384]
本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。
TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
論文 参考訳（メタデータ） (2022-04-19T10:41:09Z) - Vox2Cortex: Fast Explicit Reconstruction of Cortical Surfaces from 3D
MRI Scans with Geometric Deep Neural Networks [3.364554138758565]
深層学習に基づくアルゴリズムであるVox2Cortexを提案する。
我々は3つの脳MRIデータセットの広範な実験で、我々のメッシュは現場の最先端の方法で再構築されたものと同じくらい正確であることを示した。
論文 参考訳（メタデータ） (2022-03-17T17:06:00Z) - Few-shot image segmentation for cross-institution male pelvic organs
using registration-assisted prototypical learning [13.567073992605797]
本研究は,医用画像のための最初の3D画像間セグメンテーションネットワークを提案する。
興味のある8つの領域を持つ前立腺がん患者のラベル付き多施設データセットを使用する。
内蔵登録機構は、被験者間の一貫性のある解剖学の事前知識を効果的に活用することができる。
論文 参考訳（メタデータ） (2022-01-17T11:44:10Z) - Leveraging Unsupervised Image Registration for Discovery of Landmark
Shape Descriptor [5.40076482533193]
本稿では,画像からランドマークを発見するための自己教師型深層学習手法を提案する。
我々は、ランドマーク駆動のイメージ登録を主要なタスクとして使用し、ニューラルネットワークにイメージを適切に登録するランドマークを見つけるように強制する。
提案手法は分割と前処理を回避し、2D画像や3D画像のみを用いて使用可能な形状記述子を直接生成する。
論文 参考訳（メタデータ） (2021-11-13T01:02:10Z) - 3D Reconstruction of Curvilinear Structures with Stereo Matching
DeepConvolutional Neural Networks [52.710012864395246]
本稿では,立体対における曲線構造の検出とマッチングのための完全自動パイプラインを提案する。
主に、TEM画像のステレオ対から転位を3次元再構成することに焦点を当てる。
論文 参考訳（メタデータ） (2021-10-14T23:05:47Z) - TSGCNet: Discriminative Geometric Feature Learning with Two-Stream
GraphConvolutional Network for 3D Dental Model Segmentation [141.2690520327948]
2流グラフ畳み込みネットワーク(TSGCNet)を提案し、異なる幾何学的特性から多視点情報を学ぶ。
3次元口腔内スキャナーで得られた歯科モデルのリアルタイムデータセットを用いてTSGCNetの評価を行った。
論文 参考訳（メタデータ） (2020-12-26T08:02:56Z) - TopNet: Topology Preserving Metric Learning for Vessel Tree
Reconstruction and Labelling [22.53041565779104]
本稿では,容器木再構築のための新しいディープラーニングアーキテクチャを提案する。
ネットワークアーキテクチャは、同時に、血管中心線(すなわちノード)上のボクセルを検出するタスクを解決し、再建すべきツリー構造における中心ボクセル(エッジ)間の接続性を推定する。
パブリックIRCADデータセットの徹底的な評価は,提案手法が既存のセマンティックセグメンテーション法よりもかなり優れていることを示している。
論文 参考訳（メタデータ） (2020-09-18T07:55:58Z) - 3D Facial Matching by Spiral Convolutional Metric Learning and a
Biometric Fusion-Net of Demographic Properties [0.0]
顔認識は広く受け入れられている生体認証ツールであり、顔には人物の身元に関する情報が多数含まれている。
本研究では,2ステップのニューラルベースパイプラインを用いて3次元顔形状と複数のDNA関連特性をマッチングする。
生体認証のための10倍のクロスバリデーションにより得られた結果は、複数の特性を組み合わせることでより強力な生体認証システムが得られることを示している。
論文 参考訳（メタデータ） (2020-09-10T09:31:47Z)
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。