論文の概要: Epi-NAF: Enhancing Neural Attenuation Fields for Limited-Angle CT with Epipolar Consistency Conditions

• arxiv url: http://arxiv.org/abs/2411.06181v1
• Date: Sat, 09 Nov 2024 13:48:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-12 14:08:08.790762
• Title: Epi-NAF: Enhancing Neural Attenuation Fields for Limited-Angle CT with Epipolar Consistency Conditions
• Title（参考訳）: Epi-NAF: 極性条件付きリミテッドアングルCTにおける神経減衰場の改善
• Authors: Daniel Gilo, Tzofi Klinghoffer, Or Litany,
• Abstract要約: X線投影画像における対応するエピポーラ線間の整合条件に基づく新しい損失項を提案する。 Epi-NAFは、制限角度範囲内の入力ビューから、全コーンビームCT範囲の予測投影への監督を伝播する。 この損失は, ベースライン法と比較して, 定性的, 定量的に改善した。
• 参考スコア（独自算出の注目度）: 13.793995728900779
• License:
• Abstract: Neural field methods, initially successful in the inverse rendering domain, have recently been extended to CT reconstruction, marking a paradigm shift from traditional techniques. While these approaches deliver state-of-the-art results in sparse-view CT reconstruction, they struggle in limited-angle settings, where input projections are captured over a restricted angle range. We present a novel loss term based on consistency conditions between corresponding epipolar lines in X-ray projection images, aimed at regularizing neural attenuation field optimization. By enforcing these consistency conditions, our approach, Epi-NAF, propagates supervision from input views within the limited-angle range to predicted projections over the full cone-beam CT range. This loss results in both qualitative and quantitative improvements in reconstruction compared to baseline methods.
• Abstract（参考訳）: 逆レンダリング領域で最初に成功したニューラルフィールド法は、最近CT再構成に拡張され、従来の技術からのパラダイムシフトを示している。 これらの手法は、スパークビューCT再構成の最先端結果をもたらすが、限られた角度範囲で入力プロジェクションをキャプチャする限られた角度設定に苦慮する。 本稿では,X線投影画像におけるエピポーラ線間の整合性条件に基づく新しい損失項について述べる。 これらの整合性条件を強制することにより、Epi-NAFは、制限角度範囲内の入力ビューから、全コーンビームCT領域の予測投影までを監督する。 この損失は, ベースライン法と比較して, 定性的, 定量的に改善した。

関連論文リスト

• Intraoperative Registration by Cross-Modal Inverse Neural Rendering [61.687068931599846]
  クロスモーダル逆ニューラルレンダリングによる神経外科手術における術中3D/2Dレジストレーションのための新しいアプローチを提案する。 本手法では,暗黙の神経表現を2つの構成要素に分離し,術前および術中における解剖学的構造について検討した。 臨床症例の振り返りデータを用いて本法の有効性を検証し,現在の登録基準を満たした状態での最先端の検査成績を示した。
  論文  参考訳（メタデータ） (2024-09-18T13:40:59Z)
• CoCPF: Coordinate-based Continuous Projection Field for Ill-Posed Inverse Problem in Imaging [78.734927709231]
  スパース・ビュー・コンピュート・トモグラフィー(SVCT)の再構成は,スパース・サンプリングによるCT画像の取得を目的としている。 暗黙的な神経表現(INR)技術は、不備のため、その分野に「かなりの穴」(すなわち、未モデル化空間)を残し、準最適結果をもたらす可能性がある。 SVCT再構成のためのホールフリー表現場を構築することを目的としたコーディネート型連続射影場(CoCPF)を提案する。
  論文  参考訳（メタデータ） (2024-06-21T08:38:30Z)
• DPER: Diffusion Prior Driven Neural Representation for Limited Angle and Sparse View CT Reconstruction [45.00528216648563]
  Diffusion Prior Driven Neural Representation (DPER) は、異常に不適切なCT再構成逆問題に対処するために設計された、教師なしのフレームワークである。 DPERは、半二次分割法(HQS)アルゴリズムを採用し、逆問題からデータ忠実度とサブプロブレム前の分布に分解する。 LACTにおけるDPERの性能評価と2つの公開データセットを用いた超SVCT再構成に関する総合的な実験を行った。
  論文  参考訳（メタデータ） (2024-04-27T12:55:13Z)
• Solving Low-Dose CT Reconstruction via GAN with Local Coherence [2.325977856241404]
  本稿では,局所コヒーレンスを向上したGANを用いた新しい手法を提案する。 提案手法は, 近接画像の局所的コヒーレンスを光学的流れにより捕捉し, 構築した画像の精度と安定性を著しく向上させる。
  論文  参考訳（メタデータ） (2023-09-24T08:55:42Z)
• Neural Modulation Fields for Conditional Cone Beam Neural Tomography [18.721488634071193]
  コーンビーム・ニューラル・トモグラフィ(CondCBNT)は、ノイズフリーおよびノイズの多いデータに対して、高値および低値のプロジェクションの性能向上を示す。 ニューラル変調場(NMF)を介して入力領域上のフィールドとして局所変調をモデル化する新しい条件付け法を提案する。
  論文  参考訳（メタデータ） (2023-07-17T09:41:01Z)
• APRF: Anti-Aliasing Projection Representation Field for Inverse Problem in Imaging [74.9262846410559]
  Sparse-view Computed Tomography (SVCT) は画像の逆問題である。 近年の研究では、インプリシット・ニューラル・リ表現(INR)を用いて、シングラムとCT画像の座標に基づくマッピングを構築している。 自己教師型SVCT再構成法の提案 -抗エイリアス射影表現場(APRF)- APRFは空間的制約によって隣接する投影ビュー間の連続的な表現を構築することができる。
  論文  参考訳（メタデータ） (2023-07-11T14:04:12Z)
• From NeurODEs to AutoencODEs: a mean-field control framework for width-varying Neural Networks [68.8204255655161]
  本稿では,動的に駆動する制御フィールドをベースとした,AutoencODEと呼ばれる新しいタイプの連続時間制御システムを提案する。 損失関数が局所凸な領域では,多くのアーキテクチャが復元可能であることを示す。
  論文  参考訳（メタデータ） (2023-07-05T13:26:17Z)
• 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)
• FocalUNETR: A Focal Transformer for Boundary-aware Segmentation of CT Images [6.616213497895369]
  局所的な視覚特徴と大域的な文脈をCT画像から抽出する焦点変換器を用いた画像分割アーキテクチャを提案する。 この設計により、他の競合手法よりもCTベースの前立腺分割作業の質が大幅に向上することが実証された。
  論文  参考訳（メタデータ） (2022-10-06T20:06:24Z)
• Body Composition Assessment with Limited Field-of-view Computed Tomography: A Semantic Image Extension Perspective [5.373119949253442]
  Field-of-view (FOV) tissue truncation beyond the lungs is common in routine lung screening Computed tomography (CT) 本研究では,入力として画像データのみを必要とする意味的画像拡張の観点から問題を定式化する。 提案した2段階法は, 完全体の推定範囲に基づいて新しいFOV境界を同定し, 脱落した領域の欠損組織を溶出する。
  論文  参考訳（メタデータ） (2022-07-13T23:19:22Z)
• Computed Tomography Reconstruction using Generative Energy-Based Priors [13.634603375405744]
  我々は、基準CTデータに基づいて、その可能性の最大化により、大域的受容場を持つパラメトリック正則化器を学習する。 正規化器を限られた角度と少数のCT再構成問題に適用し、従来の再構成アルゴリズムよりも大きなマージンで性能を向上する。
  論文  参考訳（メタデータ） (2022-03-23T18:26:23Z)

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。