Fugu-MT 論文翻訳(概要): Enhancing Cross-Modality Synthesis: Subvolume Merging for MRI-to-CT Conversion

論文の概要: Enhancing Cross-Modality Synthesis: Subvolume Merging for MRI-to-CT Conversion

arxiv url: http://arxiv.org/abs/2409.05982v1
Date: Mon, 9 Sep 2024 18:25:26 GMT
ステータス: 処理完了
システム内更新日: 2024-09-11 20:02:25.043989
Title: Enhancing Cross-Modality Synthesis: Subvolume Merging for MRI-to-CT Conversion
Title（参考訳）: クロスモーダル合成の強化:MRI-CT変換のためのサブボリュームマージ
Authors: Fuxin Fan, Jingna Qiu, Yixing Huang, Andreas Maier,
Abstract要約: 我々は,MRI画像からCTを合成するために,高度なSwinUNETRフレームワークを使用している。予測過程に3次元サブボリュームマージ手法を導入する。
参考スコア（独自算出の注目度）: 4.256879489558776
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Providing more precise tissue attenuation information, synthetic computed tomography (sCT) generated from magnetic resonance imaging (MRI) contributes to improved radiation therapy treatment planning. In our study, we employ the advanced SwinUNETR framework for synthesizing CT from MRI images. Additionally, we introduce a three-dimensional subvolume merging technique in the prediction process. By selecting an optimal overlap percentage for adjacent subvolumes, stitching artifacts are effectively mitigated, leading to a decrease in the mean absolute error (MAE) between sCT and the labels from 52.65 HU to 47.75 HU. Furthermore, implementing a weight function with a gamma value of 0.9 results in the lowest MAE within the same overlap area. By setting the overlap percentage between 50% and 70%, we achieve a balance between image quality and computational efficiency.
Abstract（参考訳）: より正確な組織減衰情報を提供するため、MRI(MRI)から発生する合成CT(sCT)は放射線治療計画の改善に寄与する。本研究では,MRI画像からCTを合成するために,高度なSwinUNETRフレームワークを用いた。さらに,予測過程に3次元サブボリュームマージ手法を導入する。隣接するサブボリュームに対して最適な重複率を選択することにより、縫合アーティファクトを効果的に緩和し、sCTとラベル間の平均絶対誤差(MAE)を52.65HUから47.75HUに減少させる。さらに、ガンマ値0.9の重み関数を実装すると、同じ重なり領域内で最低のMAEが得られる。 50%から70%のオーバーラップ率を設定することにより、画像品質と計算効率のバランスをとることができる。

関連論文リスト

Two-Stage Approach for Brain MR Image Synthesis: 2D Image Synthesis and 3D Refinement [1.5683566370372715]
腫瘍像を正確に表現することで,欠失モードの特異な特徴を反映したMRI画像の合成が重要である。本稿では,2次元スライスからMR画像を合成する2段階の手法を提案する。
論文参考訳（メタデータ） (2024-10-14T08:21:08Z)
Rotational Augmented Noise2Inverse for Low-dose Computed Tomography Reconstruction [83.73429628413773]
改良された深層学習手法は、画像のノイズを除去する能力を示しているが、正確な地上の真実を必要とする。畳み込みニューラルネットワーク(CNN)のトレーニングに基礎的真理を必要としないLDCTのための新しい自己教師型フレームワークを提案する。数値および実験結果から,Sparse View を用いた N2I の再構成精度は低下しており,提案手法は異なる範囲のサンプリング角度で画像品質を向上する。
論文参考訳（メタデータ） (2023-12-19T22:40:51Z)
Volumetric Reconstruction Resolves Off-Resonance Artifacts in Static and Dynamic PROPELLER MRI [76.60362295758596]
磁気共鳴イメージング(MRI)におけるオフ共鳴アーティファクトは、画像ボリューム内のスピンの実際の共鳴周波数が空間情報を符号化するのに使用される期待周波数と異なる場合に発生する視覚歪みである。本稿では,2次元MRI再構成問題を3次元に引き上げ,このオフ共鳴をモデル化するための「スペクトル」次元を導入することで,これらのアーチファクトを解決することを提案する。
論文参考訳（メタデータ） (2023-11-22T05:44:51Z)
Synthetic CT Generation from MRI using 3D Transformer-based Denoising Diffusion Model [2.232713445482175]
磁気共鳴イメージング(MRI)を用いたシンセティックCT(sCT)は放射線治療計画を簡単にする。本稿では,MRIを高品質なsCTに変換するためのMRI-to-CT変換器を用いた denoising diffusion probabilistic model (MC-DDPM)を提案する。
論文参考訳（メタデータ） (2023-05-31T00:32:00Z)
DDMM-Synth: A Denoising Diffusion Model for Cross-modal Medical Image Synthesis with Sparse-view Measurement Embedding [7.6849475214826315]
本稿では,医療画像合成のためのDDMM-Synthという新しいフレームワークを提案する。これはMRI誘導拡散モデルと新しいCT計測埋め込み逆サンプリングスキームを組み合わせたものである。特定の臨床応用のための後方CTの投射数を調整することができ、その修正版はノイズのある症例に対して結果を著しく改善することができる。
論文参考訳（メタデータ） (2023-03-28T07:13:11Z)
Moving from 2D to 3D: volumetric medical image classification for rectal cancer staging [62.346649719614]
術前T2期とT3期を区別することは直腸癌治療における最も困難かつ臨床的に重要な課題である。直腸MRIでT3期直腸癌からT2を正確に判別するための体積畳み込みニューラルネットワークを提案する。
論文参考訳（メタデータ） (2022-09-13T07:10:14Z)
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)
Synthetic CT Skull Generation for Transcranial MR Imaging-Guided Focused Ultrasound Interventions with Conditional Adversarial Networks [5.921808547303054]
経頭蓋MRIガイド下集束超音波(TcMRgFUS)は頭蓋骨内の音をMRIガイド下において非侵襲的に小さな領域に集束する治療用超音波法である。頭蓋骨を通して超音波を的確に標的にするためには、送信波が目標領域に建設的に干渉する必要がある。
論文参考訳（メタデータ） (2022-02-21T11:34:29Z)
Frequency-Supervised MR-to-CT Image Synthesis [23.47506325756089]
本稿では磁気共鳴(MR)画像から合成CT画像を生成する。既存のアプローチはすべて共通の制限を共有しており、CT画像の高周波部分と周辺を再構成する。我々は,高頻度MR-CT画像再構成を明示的に向上するために,周波数教師付きディープネットワークを導入する。
論文参考訳（メタデータ） (2021-07-19T15:18:36Z)
Towards Ultrafast MRI via Extreme k-Space Undersampling and Superresolution [65.25508348574974]
我々は、オリジナルのfastMRIチャレンジを参照するすべての公開論文によって報告されたMRI加速係数を下回る。低解像を補うための強力な深層学習に基づく画像強化手法を検討する。復元された画像の品質は他の方法よりも高く、MSEは0.00114、PSNRは29.6 dB、SSIMは0.956 x16加速係数である。
論文参考訳（メタデータ） (2021-03-04T10:45:01Z)
Multifold Acceleration of Diffusion MRI via Slice-Interleaved Diffusion Encoding (SIDE) [50.65891535040752]
本稿では,Slice-Interleaved Diffusionと呼ばれる拡散符号化方式を提案する。 SIDEは、拡散重み付き(DW)画像ボリュームを異なる拡散勾配で符号化したスライスでインターリーブする。また,高いスライスアンサンプデータからDW画像を効果的に再構成するためのディープラーニングに基づく手法を提案する。
論文参考訳（メタデータ） (2020-02-25T14:48:17Z)

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。