論文の概要: Deep convolutional framelets for dose reconstruction in BNCT with Compton camera detector

• arxiv url: http://arxiv.org/abs/2409.15916v1
• Date: Tue, 24 Sep 2024 09:34:19 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-26 08:01:40.803326
• Title: Deep convolutional framelets for dose reconstruction in BNCT with Compton camera detector
• Title（参考訳）: Compton カメラ検出器を用いたBNCT における線量再構成のための深部畳み込みフレームレット
• Authors: Angelo Didonna, Dayron Ramos Lopez, Giuseppe Iaselli, Nicola Amoroso, Nicola Ferrara, Gabriella Maria Incoronata Pugliese,
• Abstract要約: BNCTは、中性子捕捉反応10B(n,$alpha$)7Liに基づいて、がん組織に対して高い選択性を有する、革新的な放射線治療である。 本研究の目的は,BNCTコンプトンカメラ画像のシミュレーションデータセットを用いて,線量分布を推定するディープニューラルネットワークモデルを開発することである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Boron Neutron Capture Therapy (BNCT) is an innovative binary form of radiation therapy with high selectivity towards cancer tissue based on the neutron capture reaction 10B(n,$\alpha$)7Li, consisting in the exposition of patients to neutron beams after administration of a boron compound with preferential accumulation in cancer cells. The high linear energy transfer products of the ensuing reaction deposit their energy at cell level, sparing normal tissue. Although progress in accelerator-based BNCT has led to renewed interest in this cancer treatment modality, in vivo dose monitoring during treatment still remains not feasible and several approaches are under investigation. While Compton imaging presents various advantages over other imaging methods, it typically requires long reconstruction times, comparable with BNCT treatment duration. This study aims to develop deep neural network models to estimate the dose distribution by using a simulated dataset of BNCT Compton camera images. The models pursue the avoidance of the iteration time associated with the maximum-likelihood expectation-maximization algorithm (MLEM), enabling a prompt dose reconstruction during the treatment. The U-Net architecture and two variants based on the deep convolutional framelets framework have been used for noise and artifacts reduction in few-iterations reconstructed images, leading to promising results in terms of reconstruction accuracy and processing time.
• Abstract（参考訳）: BNCTは中性子捕捉反応10B(n,$\alpha$)7Liに基づいて、がん細胞に優先的に蓄積したホウ素化合物を投与した後、患者を中性子ビームに照射する。 続く反応の高線形エネルギー移動生成物は、正常な組織を分散させ、そのエネルギーを細胞レベルで蓄積する。 BNCTの進歩は、このがん治療のモダリティへの新たな関心につながっているが、治療中のin vivoの線量モニタリングはまだ実現不可能であり、いくつかのアプローチが検討されている。 コンプトンイメージングは他の撮像法に比べて様々な利点があるが、通常はBNCT処理時間に匹敵する長い再構成時間を必要とする。 本研究の目的は,BNCTコンプトンカメラ画像のシミュレーションデータセットを用いて,線量分布を推定するディープニューラルネットワークモデルを開発することである。 モデルでは, 最大予測最大化アルゴリズム (MLEM) に関連する反復時間の回避を追求し, 治療中の即時線量再構成を可能にした。 U-Netアーキテクチャと、深層畳み込みフレームレットフレームワークに基づく2つの変種は、少数の再構成画像のノイズとアーティファクトの低減に使われており、復元精度と処理時間の点で有望な結果をもたらす。

関連論文リスト

• Prior Frequency Guided Diffusion Model for Limited Angle (LA)-CBCT Reconstruction [2.960150120524893]
  コーンビームCT(CBCT)は画像誘導放射線療法に広く用いられている。 LA-CBCT再建は、深刻なアンダーサンプリングアーティファクトに悩まされ、非常に不良な逆問題となる。 LA-CBCT再構成のための拡散モデルに基づく事前周波数誘導拡散モデル(PFGDM)を開発した。
  論文  参考訳（メタデータ） (2024-04-01T19:41:33Z)
• 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)
• Diffusion Prior Regularized Iterative Reconstruction for Low-dose CT [9.866443235747287]
  拡散前に正規化された反復的再構成アルゴリズムを導入する。 また、ネステロフ運動量加速技術も取り入れた。 本手法は,高分解能CT画像の再構成を最小限の放射線で行うことが可能である。
  論文  参考訳（メタデータ） (2023-10-10T19:08:57Z)
• Correlated and Multi-frequency Diffusion Modeling for Highly Under-sampled MRI Reconstruction [14.687337090732036]
  既存のMRI再建法の多くは、特定の組織領域を考慮せずに、全MR画像のtar-geted再構成を行う。 これは、診断のための重要でない組織に対する再構成精度を強調できない可能性がある。 そこで本研究では,k空間データの特性と拡散過程を組み合わせることで,マルチ周波数先行のマイニングに焦点をあてる。
  論文  参考訳（メタデータ） (2023-09-02T07:51:27Z)
• Optimizing Sampling Patterns for Compressed Sensing MRI with Diffusion Generative Models [75.52575380824051]
  圧縮センシングマルチコイルMRIにおけるサブサンプリングパターンを最適化する学習手法を提案する。 拡散モデルとMRI計測プロセスにより得られた後部平均推定値に基づいて1段階の再構成を行う。 本手法では,効果的なサンプリングパターンの学習には5つのトレーニング画像が必要である。
  論文  参考訳（メタデータ） (2023-06-05T22:09:06Z)
• A Long Short-term Memory Based Recurrent Neural Network for Interventional MRI Reconstruction [50.1787181309337]
  本稿では,畳み込み長短期記憶(Conv-LSTM)に基づくリカレントニューラルネットワーク(Recurrent Neural Network, RNN)を提案する。 提案アルゴリズムは,DBSのリアルタイムi-MRIを実現する可能性があり,汎用的なMR誘導介入に使用できる。
  論文  参考訳（メタデータ） (2022-03-28T14:03:45Z)
• 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)
• Adaptive Gradient Balancing for UndersampledMRI Reconstruction and Image-to-Image Translation [60.663499381212425]
  本研究では,新しい適応勾配バランス手法を併用したwasserstein生成逆ネットワークを用いて,画質の向上を図る。 MRIでは、他の技術よりも鮮明な画像を生成する高品質の再構築を維持しながら、アーティファクトを最小限に抑えます。
  論文  参考訳（メタデータ） (2021-04-05T13:05:22Z)
• Microvascular Dynamics from 4D Microscopy Using Temporal Segmentation [81.30750944868142]
  経時的に脳血流量の変化を追跡でき, ピアル表面に向かって伝播する自発性動脈拡張を同定できる。 この新たなイメージング機能は、機能的磁気共鳴イメージング(fMRI)を基盤とした血行動態応答関数を特徴付けるための有望なステップである。
  論文  参考訳（メタデータ） (2020-01-14T22:55:03Z)

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。