論文の概要: Differentiable Score-Based Likelihoods: Learning CT Motion Compensation From Clean Images

• arxiv url: http://arxiv.org/abs/2404.14747v1
• Date: Tue, 23 Apr 2024 04:59:34 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-24 15:10:30.554700
• Title: Differentiable Score-Based Likelihoods: Learning CT Motion Compensation From Clean Images
• Title（参考訳）: 鮮明な画像からCT運動補償を学習する「スコアベース」の相違
• Authors: Mareike Thies, Noah Maul, Siyuan Mei, Laura Pfaff, Nastassia Vysotskaya, Mingxuan Gu, Jonas Utz, Dennis Possart, Lukas Folle, Fabian Wagner, Andreas Maier,
• Abstract要約: 運動アーティファクトはCT画像の診断値を損なう可能性がある。 頭頂部CT画像の鮮明化のための確率密度推定器として機能するスコアベースモデルを訓練する。 運動影響CT画像の偏差を理想分布から推定する。
• 参考スコア（独自算出の注目度）: 3.0013267540370423
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Motion artifacts can compromise the diagnostic value of computed tomography (CT) images. Motion correction approaches require a per-scan estimation of patient-specific motion patterns. In this work, we train a score-based model to act as a probability density estimator for clean head CT images. Given the trained model, we quantify the deviation of a given motion-affected CT image from the ideal distribution through likelihood computation. We demonstrate that the likelihood can be utilized as a surrogate metric for motion artifact severity in the CT image facilitating the application of an iterative, gradient-based motion compensation algorithm. By optimizing the underlying motion parameters to maximize likelihood, our method effectively reduces motion artifacts, bringing the image closer to the distribution of motion-free scans. Our approach achieves comparable performance to state-of-the-art methods while eliminating the need for a representative data set of motion-affected samples. This is particularly advantageous in real-world applications, where patient motion patterns may exhibit unforeseen variability, ensuring robustness without implicit assumptions about recoverable motion types.
• Abstract（参考訳）: 運動アーティファクトはCT画像の診断値を損なう可能性がある。 運動補正アプローチでは、患者固有の運動パターンをスキャン単位で推定する必要がある。 本研究では,頭部CT画像のクリーン化のための確率密度推定器として機能するスコアベースモデルを訓練する。 トレーニングされたモデルから,任意の動きの影響のあるCT画像の偏差を,確率計算による理想的な分布から定量化する。 本研究は,CT画像における運動アーチファクトの重症度を補助する指標として,反復的,勾配に基づく動き補償アルゴリズムの適用を容易にすることを実証する。 本手法は,動作パラメータを最大化するために最適化することにより,画像が動きのないスキャンの分布に近づくことにより,効果的に動きアーチファクトを低減する。 提案手法は,動作影響サンプルの代表的なデータセットを不要にしつつ,最先端手法に匹敵する性能を実現する。 これは、患者の動きパターンが予期せぬ変動を示し、回復可能な動作タイプに関する暗黙の仮定なしで堅牢性を確保する現実世界の応用において特に有利である。

関連論文リスト

• On the Influence of Smoothness Constraints in Computed Tomography Motion Compensation [3.5475653746630056]
  本研究では,コーンビームCTのための既存の剛性運動補償アルゴリズムにおけるスプラインベース運動モデルの影響を解析する。 その結果、運動モデルの選択は、回復可能な周波数に決定的に影響を及ぼすことが示された。 最終的に、最適な動作モデルは、画像化された解剖学、臨床ユースケース、走査プロトコルに依存する。
  論文  参考訳（メタデータ） (2024-05-29T13:36:16Z)
• Generalized Consistency Trajectory Models for Image Manipulation [59.576781858809355]
  拡散モデル(DM)は、画像編集や復元などの応用と同様に、無条件生成において優れている。 本研究の目的は、一般化されたCTM(GCTM)を提案することによって、整合性軌道モデル(CTM)の完全なポテンシャルを解放することである。 本稿では,GCTMの設計空間について論じ,画像から画像への変換,復元,編集など,様々な画像操作タスクにおいて有効性を示す。
  論文  参考訳（メタデータ） (2024-03-19T07:24:54Z)
• Image Inpainting via Tractable Steering of Diffusion Models [54.13818673257381]
  本稿では,トラクタブル確率モデル(TPM)の制約後部を正確に,かつ効率的に計算する能力を活用することを提案する。 具体的には、確率回路(PC)と呼ばれる表現型TPMのクラスを採用する。 提案手法は, 画像の全体的な品質とセマンティックコヒーレンスを, 計算オーバーヘッドを10%加えるだけで一貫的に改善できることを示す。
  論文  参考訳（メタデータ） (2023-11-28T21:14:02Z)
• 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)
• Motion Artifacts Detection in Short-scan Dental CBCT Reconstructions [5.147799140853288]
  Cone Beam Computed Tomography (CBCT) は歯科診断や治療計画に広く用いられている。 本研究は, 補正アルゴリズムを使わずに, クリーンショートスキャン体積を再構成することのできる, 走査投影の運動自由部分を抽出する枠組みを用いた。 データ不足に対処するために、現実的なモーションシミュレーション戦略とデータ拡張が実装されている。
  論文  参考訳（メタデータ） (2023-04-20T08:28:44Z)
• Geometric Constraints Enable Self-Supervised Sinogram Inpainting in Sparse-View Tomography [7.416898042520079]
  スパース角度トモグラフィースキャンは放射線を低減し、データ取得を加速するが、画像のアーチファクトやノイズに悩まされる。 既存の画像処理アルゴリズムはCT再構成の品質を復元することができるが、大きなトレーニングデータセットを必要とする場合が多い。 本研究は、勾配に基づく最適化により、欠落した射影ビューを最適化する自己教師付きプロジェクションインペインティング法を提案する。
  論文  参考訳（メタデータ） (2023-02-13T15:15:18Z)
• Joint Rigid Motion Correction and Sparse-View CT via Self-Calibrating Neural Field [37.86878619100209]
  NeRFは自己教師型ディープラーニングフレームワークとしてSparse-View (SV) CT再構成問題で広く注目を集めている。 既存のNeRFベースのSVCT法は、CT取得中に全く相対的な動きがないと厳密に仮定する。 本研究は, 剛性運動崩壊SV測定からアーチファクトフリーなイメージを復元する自己校正型ニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2022-10-23T13:55:07Z)
• 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)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)
• 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)
• 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。