Fugu-MT 論文翻訳(概要): Diffusion-based Generative Image Outpainting for Recovery of FOV-Truncated CT Images

論文の概要: Diffusion-based Generative Image Outpainting for Recovery of FOV-Truncated CT Images

arxiv url: http://arxiv.org/abs/2406.04769v2
Date: Thu, 26 Sep 2024 13:31:40 GMT
ステータス: 処理完了
システム内更新日: 2024-11-09 01:44:51.749788
Title: Diffusion-based Generative Image Outpainting for Recovery of FOV-Truncated CT Images
Title（参考訳）: FOV切替CT画像の再生のための拡散型生成画像出力
Authors: Michelle Espranita Liman, Daniel Rueckert, Florian J. Fintelmann, Philip Müller,
Abstract要約: truncated chest CT のフィールド・オブ・ビュー (FOV) 回復は, 正確な体組成解析に不可欠である。生成画像のアウトペイントを用いて, 切り抜きCTスライスを復元する手法を提案する。我々のモデルは,87%の少ないデータでトレーニングされているにもかかわらず,切り離された解剖学を確実に回復し,過去の最先端を上回ります。
参考スコア（独自算出の注目度）: 10.350643783811174
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Field-of-view (FOV) recovery of truncated chest CT scans is crucial for accurate body composition analysis, which involves quantifying skeletal muscle and subcutaneous adipose tissue (SAT) on CT slices. This, in turn, enables disease prognostication. Here, we present a method for recovering truncated CT slices using generative image outpainting. We train a diffusion model and apply it to truncated CT slices generated by simulating a small FOV. Our model reliably recovers the truncated anatomy and outperforms the previous state-of-the-art despite being trained on 87% less data.
Abstract（参考訳）: 胸部CTスキャンのフィールド・オブ・ビュー(FOV)回復は, 骨格筋および皮下脂肪組織(SAT)のCTスライスにおける定量化を伴う, 正確な体組成分析に不可欠である。これにより、病気の予後が予測できる。そこで本研究では, 画像出力を用いた切り欠きCTスライス回収手法を提案する。我々は拡散モデルを訓練し、小さなFOVをシミュレートしたCTスライスに応用する。我々のモデルは,87%の少ないデータでトレーニングされているにもかかわらず,切り離された解剖学を確実に回復し,過去の最先端を上回ります。

関連論文リスト

CT-SDM: A Sampling Diffusion Model for Sparse-View CT Reconstruction across All Sampling Rates [16.985836345715963]
Sparse view X-ray Computed tomography は放射線線量減少を緩和する現代的手法として登場した。深層学習を用いた最近の研究は, Sparse-View Computed Tomography (SVCT) のアーティファクトの除去に有望な進展をもたらした。本研究では,任意のサンプリングレートで高性能SVCT再構成を実現するための適応的再構成手法を提案する。
論文参考訳（メタデータ） (2024-09-03T03:06:15Z)
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)
Zero-shot CT Field-of-view Completion with Unconditional Generative Diffusion Prior [4.084687005614829]
解剖学的に一貫した視野 (FOV) の完成により, 縮小した身体部位を復元する手法は, FOVを限定したCTの定量的解析に重要である。既存の条件生成モデルに基づく解法は、学習段階における合成トランケーションパターンの忠実度に依存しており、この方法が未知のトランケーションの潜在的な種類に一般化可能であることを制限している。本研究では,事前訓練された非条件生成拡散に基づくゼロショット法の評価を行った。
論文参考訳（メタデータ） (2023-04-07T17:54:40Z)
Body Composition Assessment with Limited Field-of-view Computed Tomography: A Semantic Image Extension Perspective [5.373119949253442]
Field-of-view (FOV) tissue truncation beyond the lungs is common in routine lung screening Computed tomography (CT) 本研究では,入力として画像データのみを必要とする意味的画像拡張の観点から問題を定式化する。提案した2段階法は, 完全体の推定範囲に基づいて新しいFOV境界を同定し, 脱落した領域の欠損組織を溶出する。
論文参考訳（メタデータ） (2022-07-13T23:19:22Z)
Weakly-supervised Biomechanically-constrained CT/MRI Registration of the Spine [72.85011943179894]
本稿では,各脊椎の剛性と容積を保存し,登録精度を最大化しながら,弱教師付き深層学習フレームワークを提案する。また,CTにおける椎体自動分節化はMRIと対比してより正確な結果をもたらすため,CTラベルマップのみに依存するよう,これらの損失を特に設計する。以上の結果から, 解剖学的認識による損失の増大は, 精度を維持しつつも, 推測変換の妥当性を高めることが示唆された。
論文参考訳（メタデータ） (2022-05-16T10:59:55Z)
Incremental Cross-view Mutual Distillation for Self-supervised Medical CT Synthesis [88.39466012709205]
本稿では,スライス間の分解能を高めるために,新しい医療スライスを構築した。臨床実践において, 根本・中間医療スライスは常に欠落していることを考慮し, 相互蒸留の段階的相互蒸留戦略を導入する。提案手法は,最先端のアルゴリズムよりも明確なマージンで優れる。
論文参考訳（メタデータ） (2021-12-20T03:38:37Z)
DuDoTrans: Dual-Domain Transformer Provides More Attention for Sinogram Restoration in Sparse-View CT Reconstruction [13.358197688568463]
撮像過程におけるヨウ素の放射線は不可逆的な損傷を引き起こすスパースビューCT画像に現れるアーティファクトを緩和する反復モデルが提案されているが,コストが高すぎる。 textbfDual-textbfDomain textbfDuDoTransを提案する。
論文参考訳（メタデータ） (2021-11-21T10:41:07Z)
CNN Filter Learning from Drawn Markers for the Detection of Suggestive Signs of COVID-19 in CT Images [58.720142291102135]
畳み込みニューラルネットワーク(CNN)のフィルタを推定するために,大規模な注釈付きデータセットやバックプロパゲーションを必要としない手法を提案する。少数のCT画像に対して、ユーザは、代表的な正常領域と異常領域にマーカーを描画する。本発明の方法は、カーネルがマークされたものに似た拡張領域に特有な一連の畳み込み層からなる特徴抽出器を生成する。
論文参考訳（メタデータ） (2021-11-16T15:03:42Z)
CyTran: A Cycle-Consistent Transformer with Multi-Level Consistency for Non-Contrast to Contrast CT Translation [56.622832383316215]
コントラストCTを非コントラストCTに変換する手法を提案する。提案手法は、CyTranを略して、サイクル一貫性のある生成逆転変換器に基づいている。実験の結果、CyTranは競合するすべての手法より優れています。
論文参考訳（メタデータ） (2021-10-12T23:25:03Z)
Self-supervised Skull Reconstruction in Brain CT Images with Decompressive Craniectomy [13.695197074035928]
TBI後の頭蓋切除時に摘出した頭蓋骨欠損を再建する深層学習法を提案する。この再構成は、例えば、頭蓋形成プレートの作成をサポートするために、複数のシナリオで有用である。
論文参考訳（メタデータ） (2020-07-07T22:38:38Z)
Synergistic Learning of Lung Lobe Segmentation and Hierarchical Multi-Instance Classification for Automated Severity Assessment of COVID-19 in CT Images [61.862364277007934]
3次元CT画像におけるCOVID-19の重症度自動評価のための相乗的学習フレームワークを提案する。マルチタスクのディープネットワーク(M$2$UNet)が開発され、新型コロナウイルス患者の重症度を評価する。われわれのM$2$UNetはパッチレベルのエンコーダと肺葉分画のためのセグメンテーションサブネットワークと重度評価のための分類サブネットワークから構成されている。
論文参考訳（メタデータ） (2020-05-08T03:16:15Z)

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。