Fugu-MT 論文翻訳(概要): Coarse-Fine View Attention Alignment-Based GAN for CT Reconstruction from Biplanar X-Rays

論文の概要: Coarse-Fine View Attention Alignment-Based GAN for CT Reconstruction from Biplanar X-Rays

arxiv url: http://arxiv.org/abs/2408.09736v1
Date: Mon, 19 Aug 2024 06:57:07 GMT
ステータス: 処理完了
システム内更新日: 2024-08-20 17:24:19.931588
Title: Coarse-Fine View Attention Alignment-Based GAN for CT Reconstruction from Biplanar X-Rays
Title（参考訳）: 双平面X線からのCT再構成のための粗視野アライメントに基づくGAN
Authors: Zhi Qiao, Hanqiang Ouyang, Dongheng Chu, Huishu Yuan, Xiantong Zhen, Pei Dong, Zhen Qian,
Abstract要約: 本稿では,両平面ビューから抽出した特徴を組み合わせるために,新しい注目インフォームド粗視視融合法を提案する。提案手法がSOTA法よりも優れていることを示す実験を行った。
参考スコア（独自算出の注目度）: 22.136553745483305
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: For surgical planning and intra-operation imaging, CT reconstruction using X-ray images can potentially be an important alternative when CT imaging is not available or not feasible. In this paper, we aim to use biplanar X-rays to reconstruct a 3D CT image, because biplanar X-rays convey richer information than single-view X-rays and are more commonly used by surgeons. Different from previous studies in which the two X-ray views were treated indifferently when fusing the cross-view data, we propose a novel attention-informed coarse-to-fine cross-view fusion method to combine the features extracted from the orthogonal biplanar views. This method consists of a view attention alignment sub-module and a fine-distillation sub-module that are designed to work together to highlight the unique or complementary information from each of the views. Experiments have demonstrated the superiority of our proposed method over the SOTA methods.
Abstract（参考訳）: 手術計画や術中CTでは,X線画像を用いたCT再構成が,CT画像が利用できない場合や,実現不可能な場合には,重要な代替手段となる可能性がある。本稿では,2次元CT画像の再構成に2次元X線を用いることを目的としている。本研究は,2つのX線ビューが相互視データを融合する際に無関心に扱われた従来の研究と異なり,直交双平面ビューから抽出した特徴を組み合わせるために,新しい注意インフォームド粗視融合法を提案する。この方法は、ビューアライメントサブモジュールと、ビューごとにユニークな情報や補完的な情報をハイライトするために協調して動作するように設計された微細蒸留サブモジュールから構成される。提案手法がSOTA法よりも優れていることを示す実験を行った。

関連論文リスト

Reconstruct Spine CT from Biplanar X-Rays via Diffusion Learning [26.866131691476255]
術中CT画像は外科的指導に欠かせない資料であるが、必ずしも手軽に利用でき、実装も容易ではない。本稿では,バイプレナーX線を用いた3次元CT再構成手法を提案する。
論文参考訳（メタデータ） (2024-08-19T06:34:01Z)
DiffuX2CT: Diffusion Learning to Reconstruct CT Images from Biplanar X-Rays [41.393567374399524]
条件拡散過程として超スパースX線からのCT再構成をモデル化したDiffuX2CTを提案する。これにより、DiffuX2CTは2次元X線から3次元構造情報を復元できる構造制御可能な再構成を実現する。コントリビューションとして,LumbarVと呼ばれる実世界の腰椎CTデータセットを新しいベンチマークとして収集し,X線からのCT再構成の臨床的意義と性能を検証した。
論文参考訳（メタデータ） (2024-07-18T14:20:04Z)
CT Reconstruction from Few Planar X-rays with Application towards Low-resource Radiotherapy [20.353246282326943]
先行データ分布を用いた5次元平面X線観測からCTボリュームを生成する手法を提案する。臨床に関連のある特徴に焦点をあてるために,本モデルは訓練中に解剖学的指導を活用できる。本手法は, 標準画素, 構造レベルの基準値から, 近年のスパースCT再建基準値よりも優れている。
論文参考訳（メタデータ） (2023-08-04T01:17:57Z)
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)
Perspective Projection-Based 3D CT Reconstruction from Biplanar X-rays [32.98966469644061]
我々は,X線を用いた新しいCT再構成フレームワークPerX2CTを提案する。提案手法は,各座標に対して異なる特徴の組み合わせを提供し,モデルが3次元位置に関する情報を暗黙的に取得できるようにする。
論文参考訳（メタデータ） (2023-03-09T14:45:25Z)
Orientation-Shared Convolution Representation for CT Metal Artifact Learning [63.67718355820655]
X線CT(CT)スキャン中、患者を乗せた金属インプラントは、しばしば有害なアーティファクトに繋がる。既存のディープラーニングベースの手法は、有望な再構築性能を得た。本稿では,人工物の物理的事前構造に適応するために,配向型畳み込み表現戦略を提案する。
論文参考訳（メタデータ） (2022-12-26T13:56:12Z)
Medical Image Captioning via Generative Pretrained Transformers [57.308920993032274]
我々は、Show-Attend-Tell と GPT-3 という2つの言語モデルを組み合わせて、包括的で記述的な放射線学記録を生成する。提案モデルは、Open-I、MIMIC-CXR、汎用MS-COCOの2つの医療データセットで検証される。
論文参考訳（メタデータ） (2022-09-28T10:27:10Z)
A unified 3D framework for Organs at Risk Localization and Segmentation for Radiation Therapy Planning [56.52933974838905]
現在の医療ワークフローは、OAR(Organs-at-risk)のマニュアル記述を必要とする本研究は,OARローカライゼーション・セグメンテーションのための統合された3Dパイプラインの導入を目的とする。提案手法は医用画像に固有の3Dコンテキスト情報の活用を可能にする。
論文参考訳（メタデータ） (2022-03-01T17:08:41Z)
MedNeRF: Medical Neural Radiance Fields for Reconstructing 3D-aware CT-Projections from a Single X-ray [14.10611608681131]
過剰な電離放射線は、体に決定論的かつ有害な影響をもたらす可能性がある。本稿では,CTプロジェクションの再構成を学習する深層学習モデルを提案する。
論文参考訳（メタデータ） (2022-02-02T13:25:23Z)
Cross-Modal Contrastive Learning for Abnormality Classification and Localization in Chest X-rays with Radiomics using a Feedback Loop [63.81818077092879]
医療画像のためのエンドツーエンドのセミスーパーバイスドクロスモーダルコントラスト学習フレームワークを提案する。まず、胸部X線を分類し、画像特徴を生成するために画像エンコーダを適用する。放射能の特徴は別の専用エンコーダを通過し、同じ胸部x線から生成された画像の特徴の正のサンプルとして機能する。
論文参考訳（メタデータ） (2021-04-11T09:16:29Z)
XraySyn: Realistic View Synthesis From a Single Radiograph Through CT Priors [118.27130593216096]
放射線写真は、X線を用いて患者の内部解剖を視覚化し、3D情報を2次元平面に投影する。私たちの知る限りでは、ラジオグラフィビューの合成に関する最初の研究である。本手法は,3次元空間におけるX線撮影の理解を得ることにより,地中骨ラベルを使わずに,X線撮影による骨抽出と骨抑制に応用できることが示唆された。
論文参考訳（メタデータ） (2020-12-04T05:08:53Z)

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。