論文の概要: 3D CBCT Challenge 2024: Improved Cone Beam CT Reconstruction using SwinIR-Based Sinogram and Image Enhancement
- arxiv url: http://arxiv.org/abs/2406.08048v1
- Date: Wed, 12 Jun 2024 10:01:00 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-13 17:34:43.157418
- Title: 3D CBCT Challenge 2024: Improved Cone Beam CT Reconstruction using SwinIR-Based Sinogram and Image Enhancement
- Title（参考訳）: 3D CBCT Challenge 2024:SwinIR-based Sinogramと画像強調によるコーンビームCT再構成の改善
- Authors: Sasidhar Alavala, Subrahmanyam Gorthi,
- Abstract要約: コーンビームCT(CBCT)の再構成は,スウィン画像復元(SwinIR)と画像強調モジュールを統合して実現されている。
提案手法は、Nesterov Accelerated Gradient Descent (NAG) を用いて、CT画像再構成における最小二乗問題(NAG-LS)を解決する。
- 参考スコア（独自算出の注目度）: 2.1485350418225244
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, we present our approach to the 3D CBCT Challenge 2024, a part of ICASSP SP Grand Challenges 2024. Improvement in Cone Beam Computed Tomography (CBCT) reconstruction has been achieved by integrating Swin Image Restoration (SwinIR) based sinogram and image enhancement modules. The proposed methodology uses Nesterov Accelerated Gradient Descent (NAG) to solve the least squares (NAG-LS) problem in CT image reconstruction. The integration of sinogram and image enhancement modules aims to enhance image clarity and preserve fine details, offering a promising solution for both low dose and clinical dose CBCT reconstruction. The averaged mean squared error (MSE) over the validation dataset has decreased significantly, in the case of low dose by one-fifth and clinical dose by one-tenth. Our solution is one of the top 5 approaches in this challenge.
- Abstract（参考訳）: 本稿では,ICASSP SP Grand Challenges 2024の一部である3D CBCT Challenge 2024について述べる。
コーンビームCT(CBCT)の再構成は,スウィン画像復元(SwinIR)と画像強調モジュールを統合して実現されている。
提案手法は、Nesterov Accelerated Gradient Descent (NAG) を用いて、CT画像再構成における最小二乗問題(NAG-LS)を解決する。
シングラムと画像強調モジュールの統合は、画像の明瞭度を高め、細部を保存することを目的としており、低用量と臨床用量のCBCT再建に有望な解決策を提供する。
平均2乗誤差 (MSE) は, 低用量では1/5, 臨床用量では1/10で有意に減少した。
私たちのソリューションは、この課題におけるトップ5のアプローチのひとつです。
関連論文リスト
- FCDM: Sparse-view Sinogram Inpainting with Frequency Domain Convolution Enhanced Diffusion Models [14.043383277622874]
シングラムデータに適した新しい拡散型塗布フレームワークを提案する。
FCDMは既存の手法よりも優れており、SSIMが0.95以上、PSNRが30dB以上、SSIMが33%、PSNRが29%である。
論文 参考訳（メタデータ） (2024-08-26T12:31:38Z) - CoCPF: Coordinate-based Continuous Projection Field for Ill-Posed Inverse Problem in Imaging [78.734927709231]
スパース・ビュー・コンピュート・トモグラフィー(SVCT)の再構成は,スパース・サンプリングによるCT画像の取得を目的としている。
暗黙的な神経表現(INR)技術は、不備のため、その分野に「かなりの穴」(すなわち、未モデル化空間)を残し、準最適結果をもたらす可能性がある。
SVCT再構成のためのホールフリー表現場を構築することを目的としたコーディネート型連続射影場(CoCPF)を提案する。
論文 参考訳（メタデータ） (2024-06-21T08:38:30Z) - C^2RV: Cross-Regional and Cross-View Learning for Sparse-View CBCT Reconstruction [17.54830070112685]
コーンビームCT(CBCT)は医療現場で広く用いられている画像技術である。
コーン状X線による測定により, CBCTの復元が困難になる。
本稿では,3次元空間におけるクロスリージョン学習を実現するために,明示的なマルチスケールボリューム表現を活用してC2RVを提案する。
論文 参考訳（メタデータ） (2024-06-06T09:37:56Z) - SDR-Former: A Siamese Dual-Resolution Transformer for Liver Lesion
Classification Using 3D Multi-Phase Imaging [59.78761085714715]
本研究は肝病変分類のための新しいSDR-Formerフレームワークを提案する。
提案フレームワークは2つの臨床データセットに関する総合的な実験を通じて検証された。
科学コミュニティを支援するため,肝病変解析のための多段階MRデータセットを公開しています。
論文 参考訳（メタデータ） (2024-02-27T06:32:56Z) - Transformer-based Dual-domain Network for Few-view Dedicated Cardiac
SPECT Image Reconstructions [8.510419245628983]
高品質な3次元心筋SPECT画像再構成のための新しい3次元トランスフォーマーベースデュアルドメインネットワークTIP-Netを提案する。
本手法は,3次元心筋SPECT画像を直接投影データから再構成することを目的としている。
論文 参考訳（メタデータ） (2023-07-18T20:39:14Z) - SNAF: Sparse-view CBCT Reconstruction with Neural Attenuation Fields [71.84366290195487]
神経減衰場を学習し,スパースビューCBCT再構成のためのSNAFを提案する。
提案手法は,入力ビューが20程度しかなく,高再生品質(30以上のPSNR)で優れた性能を実現する。
論文 参考訳（メタデータ） (2022-11-30T14:51:14Z) - Model-Guided Multi-Contrast Deep Unfolding Network for MRI
Super-resolution Reconstruction [68.80715727288514]
MRI観察行列を用いて,反復型MGDUNアルゴリズムを新しいモデル誘導深部展開ネットワークに展開する方法を示す。
本稿では,医療画像SR再構成のためのモデルガイド型解釈可能なDeep Unfolding Network(MGDUN)を提案する。
論文 参考訳（メタデータ） (2022-09-15T03:58:30Z) - Self-Supervised Coordinate Projection Network for Sparse-View Computed
Tomography [31.774432128324385]
本研究では,1つのSVシングラムからアーチファクトフリーCT像を再構成する自己監督コーディネートプロジェクションnEtwork(SCOPE)を提案する。
暗黙的ニューラル表現ネットワーク(INR)を用いた類似の問題を解決する最近の研究と比較して、我々の重要な貢献は効果的で単純な再投射戦略である。
論文 参考訳（メタデータ） (2022-09-12T06:14:04Z) - REGAS: REspiratory-GAted Synthesis of Views for Multi-Phase CBCT
Reconstruction from a single 3D CBCT Acquisition [75.64791080418162]
REGASは、アンダーサンプドトモグラフィビューを合成し、再構成画像中のアーティファクトのエイリアスを緩和する自己教師手法を提案する。
高解像度4Dデータ上でのディープニューラルネットワークの大規模なメモリコストに対処するため、REGASは分散して微分可能なフォワードプロジェクションを可能にする新しいレイパス変換(RPT)を導入した。
論文 参考訳（メタデータ） (2022-08-17T03:42:19Z) - 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) - 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)
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。