論文の概要: Data-driven approaches for electrical impedance tomography image segmentation from partial boundary data
- arxiv url: http://arxiv.org/abs/2407.01559v1
- Date: Mon, 6 May 2024 18:47:54 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-22 22:28:39.820776
- Title: Data-driven approaches for electrical impedance tomography image segmentation from partial boundary data
- Title(参考訳): 部分境界データからのインピーダンストモグラフィ画像分割のためのデータ駆動手法
- Authors: Alexander Denker, Zeljko Kereta, Imraj Singh, Tom Freudenberg, Tobias Kluth, Peter Maass, Simon Arridge,
- Abstract要約: EIT画像のための3つのデータ駆動再構成手法を提案する。
これら3つの方法は、バックボーンと同様のニューラルネットワークに基づいて、合成生成されたデータセットを使用してトレーニングされている。
- 参考スコア(独自算出の注目度): 37.19881702162205
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Electrical impedance tomography (EIT) plays a crucial role in non-invasive imaging, with both medical and industrial applications. In this paper, we present three data-driven reconstruction methods for EIT imaging. These three approaches were originally submitted to the Kuopio tomography challenge 2023 (KTC2023). First, we introduce a post-processing approach, which achieved first place at KTC2023. Further, we present a fully learned and a conditional diffusion approach. All three methods are based on a similar neural network as a backbone and were trained using a synthetically generated data set, providing with an opportunity for a fair comparison of these different data-driven reconstruction methods.
- Abstract(参考訳): 電気インピーダンストモグラフィ(EIT)は非侵襲的な画像撮影において重要な役割を担っている。
本稿では,3つのデータ駆動型EIT画像再構成手法を提案する。
これらの3つのアプローチはもともと2023年のクオピオ・トモグラフィー・チャレンジ(KTC2023)に提出された。
まず,KTC2023で1位となった後処理手法を提案する。
さらに,完全学習かつ条件付き拡散手法を提案する。
これら3つの手法は、バックボーンと同様のニューラルネットワークに基づいており、合成されたデータセットを使用してトレーニングされており、これらの異なるデータ駆動の再構築手法を公平に比較する機会を与えている。
関連論文リスト
- Abnormality-Driven Representation Learning for Radiology Imaging [0.8321462983924758]
病変強調型コントラスト学習(LeCL)は,CTスキャンの異なる部位にわたる2次元軸方向スライスにおける異常により引き起こされる視覚的表現を得るための新しい手法である。
本研究は, 腫瘍病変位置, 肺疾患検出, 患者ステージングの3つの臨床的課題に対するアプローチを, 最先端の4つの基礎モデルと比較した。
論文 参考訳(メタデータ) (2024-11-25T13:53:26Z) - Intraoperative Registration by Cross-Modal Inverse Neural Rendering [61.687068931599846]
クロスモーダル逆ニューラルレンダリングによる神経外科手術における術中3D/2Dレジストレーションのための新しいアプローチを提案する。
本手法では,暗黙の神経表現を2つの構成要素に分離し,術前および術中における解剖学的構造について検討した。
臨床症例の振り返りデータを用いて本法の有効性を検証し,現在の登録基準を満たした状態での最先端の検査成績を示した。
論文 参考訳(メタデータ) (2024-09-18T13:40:59Z) - End-to-End Model-based Deep Learning for Dual-Energy Computed Tomography Material Decomposition [53.14236375171593]
本稿では,定量化のためのエンド・ツー・エンド材料分解(E2E-DEcomp)と呼ばれる深層学習手法を提案する。
AAPMスペクトルCTデータセットにおける直接E2E-DEcomp法の有効性を示す。
論文 参考訳(メタデータ) (2024-06-01T16:20:59Z) - Artifact Reduction in 3D and 4D Cone-beam Computed Tomography Images with Deep Learning -- A Review [0.0]
コーンビームCT(CBCT)における画像品質向上のための深層学習技術
本稿では,3次元のアーティファクトの削減に成功している深層学習技術の概要と,時間分解(4D)CBCTについて概説する。
この研究の重要な発見の1つは、GANやスコアベース、拡散モデルを含む生成モデルの利用に向けた観測傾向である。
論文 参考訳(メタデータ) (2024-03-27T13:46:01Z) - Learning Robust Deep Visual Representations from EEG Brain Recordings [13.768240137063428]
本研究は,脳波に基づく深部表現の頑健な学習を行うための2段階の手法を提案する。
ディープラーニングアーキテクチャを用いて,3つのデータセットにまたがる特徴抽出パイプラインの一般化性を実証する。
本稿では,未知の画像を脳波空間に変換し,近似を用いて再構成する新しい枠組みを提案する。
論文 参考訳(メタデータ) (2023-10-25T10:26:07Z) - Unsupervised Domain Transfer with Conditional Invertible Neural Networks [83.90291882730925]
条件付き可逆ニューラルネットワーク(cINN)に基づくドメイン転送手法を提案する。
提案手法は本質的に,その可逆的アーキテクチャによるサイクル一貫性を保証し,ネットワークトレーニングを最大限効率的に行うことができる。
提案手法は,2つの下流分類タスクにおいて,現実的なスペクトルデータの生成を可能にし,その性能を向上する。
論文 参考訳(メタデータ) (2023-03-17T18:00:27Z) - Dopamine Transporter SPECT Image Classification for Neurodegenerative
Parkinsonism via Diffusion Maps and Machine Learning Classifiers [0.0]
本研究では, SPECT イメージを通常の DaT-SPECT イメージ群と異常 DaT-SPECT イメージ群の2種類に分類する,自動的かつ堅牢な方法を提案する。
N患者の3D画像はN by Nペアワイズ距離行列にマッピングされ、トレーニングセットは拡散マップを使用して低次元空間に埋め込まれる。
この方法の実現可能性は、Parkinsonism Progression Markers Initiative(PPMI)データセット1097の被験者と630人の患者のKCGMH-TW(Kohsiung Chang Gung Memorial Hospital)からの臨床コホートによって実証される。
論文 参考訳(メタデータ) (2021-04-06T06:30:15Z) - Data-driven generation of plausible tissue geometries for realistic
photoacoustic image synthesis [53.65837038435433]
光音響トモグラフィ(pat)は形態的および機能的組織特性を回復する可能性がある。
我々は,PATデータシミュレーションの新たなアプローチを提案し,これを「シミュレーションの学習」と呼ぶ。
我々は、意味的注釈付き医療画像データに基づいて訓練されたGAN(Generative Adversarial Networks)の概念を活用して、可塑性組織ジオメトリを生成する。
論文 参考訳(メタデータ) (2021-03-29T11:30:18Z) - Tattoo tomography: Freehand 3D photoacoustic image reconstruction with
an optical pattern [49.240017254888336]
光音響トモグラフィ(PAT)は、形態学的および機能的組織特性の両方を解決することができる新しいイメージング技術である。
現在の欠点は、従来の2Dプローブによって提供される視野の制限である。
本研究では,外部追跡システムを必要としないPATデータの3次元再構成手法を提案する。
論文 参考訳(メタデータ) (2020-11-10T09:27:56Z) - Fast ultrasonic imaging using end-to-end deep learning [1.0266286487433585]
ディープニューラルネットワーク(DNN)は、データ前処理とイメージ後処理のステップを別々に使用する。
エンド・ツー・エンドのトレーニングを実現するために,3つのステップをすべて統合した新しいディープラーニングアーキテクチャを提案する。
論文 参考訳(メタデータ) (2020-09-04T13:53:46Z)
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。