論文の概要: Geometric Artifact Correction for Symmetric Multi-Linear Trajectory CT: Theory, Method, and Generalization

• arxiv url: http://arxiv.org/abs/2408.15069v1
• Date: Tue, 27 Aug 2024 13:56:48 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-28 13:43:53.373926
• Title: Geometric Artifact Correction for Symmetric Multi-Linear Trajectory CT: Theory, Method, and Generalization
• Title（参考訳）: 対称多線軌跡CTのための幾何学的アーチファクト補正:理論,方法,一般化
• Authors: Zhisheng Wang, Yanxu Sun, Shangyu Li, Legeng Lin, Shunli Wang, Junning Cui,
• Abstract要約: 既存のCTの校正法は粗大かつ非効率である。 本稿では,CTの難解な幾何学的アーティファクトを包括的かつ効率的に解決する。 また, 一般的な回転CTとCTの変種に有意な一般化が認められた。
• 参考スコア（独自算出の注目度）: 3.343129011758024
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: For extending CT field-of-view to perform non-destructive testing, the Symmetric Multi-Linear trajectory Computed Tomography (SMLCT) has been developed as a successful example of non-standard CT scanning modes. However, inevitable geometric errors can cause severe artifacts in the reconstructed images. The existing calibration method for SMLCT is both crude and inefficient. It involves reconstructing hundreds of images by exhaustively substituting each potential error, and then manually identifying the images with the fewest geometric artifacts to estimate the final geometric errors for calibration. In this paper, we comprehensively and efficiently address the challenging geometric artifacts in SMLCT, , and the corresponding works mainly involve theory, method, and generalization. In particular, after identifying sensitive parameters and conducting some theory analysis of geometric artifacts, we summarize several key properties between sensitive geometric parameters and artifact characteristics. Then, we further construct mathematical relationships that relate sensitive geometric errors to the pixel offsets of reconstruction images with artifact characteristics. To accurately extract pixel bias, we innovatively adapt the Generalized Cross-Correlation with Phase Transform (GCC-PHAT) algorithm, commonly used in sound processing, for our image registration task for each paired symmetric LCT. This adaptation leads to the design of a highly efficient rigid translation registration method. Simulation and physical experiments have validated the excellent performance of this work. Additionally, our results demonstrate significant generalization to common rotated CT and a variant of SMLCT.
• Abstract（参考訳）: 非破壊検査を行うためにCTフィールドを拡大するために、Symmetric Multi-Linear trajectory Computed Tomography (SMLCT) が非標準CTスキャンモードの成功例として開発された。 しかし、必然的な幾何学的誤差は、再構成された画像に深刻なアーティファクトを引き起こす可能性がある。 SMLCTの既存の校正法は粗大かつ非効率である。 各潜在的なエラーを徹底的に置換して、数百の画像を再構築し、次に最も少ない幾何学的アーティファクトで画像を手動で識別し、キャリブレーションの最終的な幾何学的誤差を推定する。 本稿では,SMLCTにおける難解な幾何学的アーティファクトを包括的かつ効果的に解決し,それに対応する研究は主に理論,手法,一般化に関するものである。 特に, 微妙なパラメータを同定し, 幾何的アーティファクトの理論解析を行った後, 微妙な幾何学的パラメータとアーティファクト特性のいくつかの重要な特性を要約する。 さらに,再現画像の画素オフセットに微妙な幾何学的誤差とアーチファクト特性を関連付ける数学的関係を構築した。 画素バイアスを正確に抽出するために,各ペア対称LCTの画像登録タスクに対して,音声処理によく使用される一般クロスコリレーションと位相変換(GCC-PHAT)アルゴリズムを革新的に適用した。 この適応は、高度に効率的な厳密な翻訳登録法の設計につながる。 シミュレーションと物理実験により,本研究の優れた性能が検証された。 さらに, 一般的な回転CTとSMLCTの変種に有意な一般化が認められた。

関連論文リスト

• Towards Geometric-Photometric Joint Alignment for Facial Mesh Registration [3.588864037082647]
  本稿では,幾何情報と測光情報を組み合わせることで,人間の表情を正確に整列する幾何学的・測光的関節アライメント法を提案する。 実験結果は,従来のICPに基づく手法と最先端のディープラーニングに基づく手法を超越した,様々な表現の下で忠実なアライメントを示す。 本手法は,多視点ステレオ顔スキャンからトポロジに一貫性のある顔モデルを得る効率を高める。
  論文  参考訳（メタデータ） (2024-03-05T03:39:23Z)
• Adaptive Surface Normal Constraint for Geometric Estimation from Monocular Images [56.86175251327466]
  本稿では,幾何学的文脈を取り入れつつ,画像から深度や表面正規度などの測地を学習するための新しい手法を提案する。 提案手法は,入力画像に存在する幾何学的変動を符号化した幾何学的文脈を抽出し,幾何的制約と深度推定を相関付ける。 本手法は,画像から高品質な3次元形状を生成可能な密着型フレームワーク内での深度と表面の正規分布推定を統一する。
  論文  参考訳（メタデータ） (2024-02-08T17:57:59Z)
• Capability enhancement of the X-ray micro-tomography system via ML-assisted approaches [0.8999666725996978]
  X線マイクロCT画像におけるリングアーティファクトは、その正確な視覚的解釈と定量的解析における主要な原因の1つである。 本稿では、UNetにインスパイアされた畳み込みニューラルネットワーク(CNN)ベースのディープラーニング(DL)モデルと、リングアーティファクトを除去するためのスキップ接続を備えた一連のエンコーダとデコーダユニットを提案する。
  論文  参考訳（メタデータ） (2024-02-08T14:23:24Z)
• GM-NeRF: Learning Generalizable Model-based Neural Radiance Fields from Multi-view Images [79.39247661907397]
  本稿では,自由視点画像の合成に有効なフレームワークであるGeneralizable Model-based Neural Radiance Fieldsを提案する。 具体的には、多視点2D画像からの出現コードを幾何学的プロキシに登録するための幾何学誘導型アテンション機構を提案する。
  論文  参考訳（メタデータ） (2023-03-24T03:32:02Z)
• 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)
• Gradient-Based Geometry Learning for Fan-Beam CT Reconstruction [7.04200827802994]
  ファンビームCT再構成の微分定式化は、取得幾何に拡張される。 概念実証実験として、このアイデアは剛性運動補償に適用される。 アルゴリズムはMSEを35.5%削減し、SSIMを12.6%改善する。
  論文  参考訳（メタデータ） (2022-12-05T11:18:52Z)
• Highly accurate quantum optimization algorithm for CT image reconstructions based on sinogram patterns [0.0]
  我々は,CT画像の再構成のための新しい量子アルゴリズムを提案する。 この新しいアルゴリズムはコーンビームCT画像再構成にも利用できる。
  論文  参考訳（メタデータ） (2022-07-06T05:34:57Z)
• 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)
• Regularization by Denoising Sub-sampled Newton Method for Spectral CT Multi-Material Decomposition [78.37855832568569]
  スペクトルctを用いたマルチマテリアル画像再構成のためのモデルベース最大後課題の解決法を提案する。 特に,プラグイン画像復号化機能に基づく正規化最適化問題について提案する。 スペクトルct材料分解の数値的および実験的結果を示す。
  論文  参考訳（メタデータ） (2021-03-25T15:20:10Z)
• A novel deep learning-based method for monochromatic image synthesis from spectral CT using photon-counting detectors [7.190103828139802]
  シングラム領域で動作する深層学習に基づく単色画像合成法を提案する。 本手法は,PCDを装着したコーンビームCT(CBCT)システムを用いて検討した。
  論文  参考訳（メタデータ） (2020-07-20T03:44:57Z)
• Pathological Retinal Region Segmentation From OCT Images Using Geometric Relation Based Augmentation [84.7571086566595]
  本稿では,幾何学と形状の内在的関係を共同で符号化することで,従来のGANベースの医用画像合成法よりも優れた手法を提案する。 提案手法は,取得手順の異なる画像を有する公開RETOUCHデータセット上で,最先端のセグメンテーション手法より優れている。
  論文  参考訳（メタデータ） (2020-03-31T11:50:43Z)

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。