論文の概要: Frequency-regularized Neural Representation Method for Sparse-view Tomographic Reconstruction

• arxiv url: http://arxiv.org/abs/2409.14394v1
• Date: Sun, 22 Sep 2024 11:19:38 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-06 22:52:52.945083
• Title: Frequency-regularized Neural Representation Method for Sparse-view Tomographic Reconstruction
• Title（参考訳）: スパースビュートモグラフィ再構成のための周波数規則化ニューラル表現法
• Authors: Jingmou Xian, Jian Zhu, Haolin Liao, Si Li,
• Abstract要約: 自己教師付きスパース・ビュー・トモグラフィ再構成のための正規化ニューラル減衰/活性場(Freq-NAF)を提案する。 Freq-NAFは、ニューラルネットワーク入力の可視周波数帯域を直接制御して、周波数正規化による過度な適合を緩和する。
• 参考スコア（独自算出の注目度）: 8.45338755060592
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Sparse-view tomographic reconstruction is a pivotal direction for reducing radiation dose and augmenting clinical applicability. While many research works have proposed the reconstruction of tomographic images from sparse 2D projections, existing models tend to excessively focus on high-frequency information while overlooking low-frequency components within the sparse input images. This bias towards high-frequency information often leads to overfitting, particularly intense at edges and boundaries in the reconstructed slices. In this paper, we introduce the Frequency Regularized Neural Attenuation/Activity Field (Freq-NAF) for self-supervised sparse-view tomographic reconstruction. Freq-NAF mitigates overfitting by incorporating frequency regularization, directly controlling the visible frequency bands in the neural network input. This approach effectively balances high-frequency and low-frequency information. We conducted numerical experiments on CBCT and SPECT datasets, and our method demonstrates state-of-the-art accuracy.
• Abstract（参考訳）: スパース・ビュー・トモグラフィーは放射線線量削減と臨床応用性向上のための重要な方向である。 多くの研究がスパース2次元投影からのトモグラフィ画像の再構成を提案しているが、既存のモデルはスパース入力画像内の低周波成分を見落としながら、過度に高周波情報に集中する傾向にある。 高周波情報に対するこのバイアスは、しばしば過度に適合し、特に再建されたスライスにおけるエッジとバウンダリで強められる。 本稿では,周波数正規化ニューラル減衰/活動場(Freq-NAF)を自己教師付きスパース・ビュー・トモグラフィーの再構成に適用する。 Freq-NAFは、ニューラルネットワーク入力の可視周波数帯域を直接制御し、周波数正規化を導入することで過度な適合を緩和する。 このアプローチは、高周波と低周波の情報を効果的にバランスさせる。 CBCTおよびSPECTデータセットの数値実験を行い,その精度を実証した。

関連論文リスト

• Few-shot NeRF by Adaptive Rendering Loss Regularization [78.50710219013301]
  スパース入力を用いた新しいビュー合成はニューラルラジアンス場(NeRF)に大きな課題をもたらす 近年の研究では、位置レンダリングの周波数規則化は、数発のNeRFに対して有望な結果が得られることが示されている。 我々は,AR-NeRFと呼ばれる数発のNeRFに対して適応レンダリング損失正規化を提案する。
  論文  参考訳（メタデータ） (2024-10-23T13:05:26Z)
• 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)
• Highly Accelerated MRI via Implicit Neural Representation Guided Posterior Sampling of Diffusion Models [2.5412006057370893]
  Inlicit Neural representation (INR) は、逆問題を解決するための強力なパラダイムとして登場した。 提案するフレームワークは、他の医療画像タスクにおける逆問題を解決するための一般化可能なフレームワークである。
  論文  参考訳（メタデータ） (2024-07-03T01:37:56Z)
• Frequency-aware optical coherence tomography image super-resolution via conditional generative adversarial neural network [0.3040864511503504]
  周波数ベースモジュールと周波数ベース損失関数を条件付き生成対向ネットワーク(cGAN)に統合する周波数対応超解像フレームワークを提案する。 我々は,既存の深層学習フレームワークよりも提案したフレームワークが優れていることを示すため,既存の冠動脈OCTデータセットから大規模な定量的研究を行った。
  論文  参考訳（メタデータ） (2023-07-20T16:07:02Z)
• Clean-NeRF: Reformulating NeRF to account for View-Dependent Observations [67.54358911994967]
  本稿では,複雑なシーンにおける3次元再構成と新しいビューレンダリングのためのクリーンネRFを提案する。 clean-NeRFはプラグインとして実装することができ、既存のNeRFベースのメソッドを追加入力なしですぐに利用することができる。
  論文  参考訳（メタデータ） (2023-03-26T12:24:31Z)
• Harnessing Low-Frequency Neural Fields for Few-Shot View Synthesis [82.31272171857623]
  オーバフィッティングから高周波数のニューラルフィールドを規則化するために、低周波ニューラルフィールドを利用する。 数発の入力に過度に適合しないよう、周波数を調整するための簡単なyet- Effective戦略を提案する。
  論文  参考訳（メタデータ） (2023-03-15T05:15:21Z)
• 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)
• Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
  大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。 本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
  論文  参考訳（メタデータ） (2022-05-08T15:29:54Z)
• Exploring Inter-frequency Guidance of Image for Lightweight Gaussian Denoising [1.52292571922932]
  本稿では,周波数帯域を低域から高域に漸進的に洗練するために,IGNetと呼ばれる新しいネットワークアーキテクチャを提案する。 この設計では、より周波数間先行と情報を利用するため、モデルサイズは軽量化でき、競争結果も維持できる。
  論文  参考訳（メタデータ） (2021-12-22T10:35:53Z)
• 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)
• Deep Unfolded Recovery of Sub-Nyquist Sampled Ultrasound Image [94.42139459221784]
  本稿では,ISTAアルゴリズムの展開に基づく時空間領域におけるサブNyquistサンプルからの再構成手法を提案する。 本手法は,高品質な撮像性能を確保しつつ,配列要素数,サンプリングレート,計算時間を削減できる。
  論文  参考訳（メタデータ） (2021-03-01T19:19:38Z)

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。