論文の概要: Analytical Reconstruction of Periodically Deformed Objects in Time-resolved CT

• arxiv url: http://arxiv.org/abs/2506.03792v1
• Date: Wed, 04 Jun 2025 09:54:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-05 21:20:14.278834
• Title: Analytical Reconstruction of Periodically Deformed Objects in Time-resolved CT
• Title（参考訳）: 時間分解CTにおける周期的変形物体の解析的再構成
• Authors: Qianwei Qu, Christian M. Schlepütz, Marco Stampanoni,
• Abstract要約: 時間分解CTは、心臓、肺、聴覚構造などの周期的に変化する構造を含む、動的物体の観察に広く用いられている。 CTプロジェクションからこれらのオブジェクトを再構成するために、一般的なアプローチは、プロジェクションを運動位相に基づいて複数のコレクションに分割し、静的なオブジェクトから派生したと仮定して、各コレクション内で再構成を行うことである。 本稿では,2つの解析的再構成パイプラインを提案し,それをトモグラフィ・シンクロトロン顕微鏡を用いて観測した実験データを用いて検証する。 提案手法は,観察対象の鋭い特徴をぼかすことなく,再構成画像のランダムノイズを著しく低減することを示した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Time-resolved CT is an advanced measurement technique that has been widely used to observe dynamic objects, including periodically varying structures such as hearts, lungs, or hearing structures. To reconstruct these objects from CT projections, a common approach is to divide the projections into several collections based on their motion phases and perform reconstruction within each collection, assuming they originate from a static object. This describes the gating-based method, which is the standard approach for time-periodic reconstruction. However, the gating-based reconstruction algorithm only utilizes a limited subset of projections within each collection and ignores the correlation between different collections, leading to inefficient use of the radiation dose. To address this issue, we propose two analytical reconstruction pipelines in this paper, and validate them with experimental data captured using tomographic synchrotron microscopy. We demonstrate that our approaches significantly reduce random noise in the reconstructed images without blurring the sharp features of the observed objects. Equivalently, our methods can achieve the same reconstruction quality as gating-based methods but with a lower radiation dose. Our code is available at github.com/PeriodRecon.
• Abstract（参考訳）: 時間分解CT(Time-resolved CT)は、心臓、肺、聴覚などの周期的に変化する構造を含む、動的物体の観察に広く用いられている高度な計測技術である。 CTプロジェクションからこれらのオブジェクトを再構成するために、一般的なアプローチは、プロジェクションを運動位相に基づいて複数のコレクションに分割し、静的なオブジェクトから派生したと仮定して、各コレクション内で再構成を行うことである。 本論では, 時間周期復元の標準手法であるゲーティングに基づく手法について述べる。 しかし、ゲーティングに基づく再構成アルゴリズムは、各コレクション内のプロジェクションの限られたサブセットしか利用せず、異なるコレクション間の相関を無視し、非効率な放射線線量の使用につながる。 本論文では,2つの解析的再構成パイプラインを提案し,トモグラフィ・シンクロトロン顕微鏡を用いて得られた実験データを用いて検証する。 提案手法は,観察対象の鋭い特徴をぼかすことなく,再構成画像のランダムノイズを著しく低減することを示した。 また,本手法はゲーティング法と同等の再現性が得られるが,放射線線量が少ない。 私たちのコードはgithub.com/PeriodReconで利用可能です。

関連論文リスト

• Detection Based Part-level Articulated Object Reconstruction from Single RGBD Image [52.11275397911693]
  本稿では,1枚のRGBD画像から複数の人工関節オブジェクトを再構成する,エンドツーエンドで訓練可能なクロスカテゴリ手法を提案する。 私たちは、あらかじめ定義された部分数で人工的なオブジェクトに焦点をあて、インスタンスレベルの潜在空間を学習することに依存する以前の作業から離れています。 提案手法は, 従来の作業では処理できない様々な構成された複数インスタンスの再構築に成功し, 形状再構成や運動学推定において, 先行の作業よりも優れていた。
  論文  参考訳（メタデータ） (2025-04-04T05:08:04Z)
• Benchmarking learned algorithms for computed tomography image reconstruction tasks [8.850508171390194]
  我々は,機械学習に基づくCT画像再構成アルゴリズムのベンチマークに,実世界の実験的CTデータセットである2DeteCTデータセットを使用する。 本稿では,これらの手法を後処理ネットワーク,学習/学習反復手法,学習正規化手法,プラグ・アンド・プレイ方式に分類する。 ベンチマークの結果,全データ再構成,リミテッドアングル再構成,スパースアングル再構成,低線量再構成,ビーム硬化補正といったタスクにおける各種アルゴリズムの有効性が示された。
  論文  参考訳（メタデータ） (2024-12-11T12:45:17Z)
• AC-IND: Sparse CT reconstruction based on attenuation coefficient estimation and implicit neural distribution [12.503822675024054]
  CTは産業用非破壊検査や診断において重要な役割を担っている。 スパースビューCT再構成は,少数のプロジェクションのみを使用しながら,高品質なCT像を再構成することを目的としている。 本稿では,減衰係数推定と入射ニューラル分布に基づく自己教師型手法であるAC-INDを紹介する。
  論文  参考訳（メタデータ） (2024-09-11T10:34:41Z)
• Distributed Stochastic Optimization of a Neural Representation Network for Time-Space Tomography Reconstruction [4.689071714940848]
  X線CT(CT)を用いた動的事象や変形物体の4次元時間空間再構成は,非破壊評価において重要な逆問題である。 分散暗黙的ニューラル表現(DINR)ネットワークを用いて,新しい分散トレーニングアルゴリズムを用いてトレーニングした4次元時間空間再構成を提案する。
  論文  参考訳（メタデータ） (2024-04-29T19:41:51Z)
• Video Anomaly Detection via Spatio-Temporal Pseudo-Anomaly Generation : A Unified Approach [49.995833831087175]
  本研究は,画像のマスキング領域にペンキを塗布することにより,汎用的な映像時間PAを生成する手法を提案する。 さらに,OCC設定下での現実世界の異常を検出するための単純な統合フレームワークを提案する。 提案手法は,OCC設定下での既存のPAs生成および再構築手法と同等に動作する。
  論文  参考訳（メタデータ） (2023-11-27T13:14:06Z)
• Enhancing Low-dose CT Image Reconstruction by Integrating Supervised and Unsupervised Learning [13.17680480211064]
  X線CT画像再構成のためのハイブリッド教師なし学習フレームワークを提案する。 提案された各訓練ブロックは、決定論的MBIRソルバとニューラルネットワークで構成されている。 限られた訓練データを用いた低用量CT画像再構成における本学習ハイブリッドモデルの有効性を実証する。
  論文  参考訳（メタデータ） (2023-11-19T20:23:59Z)
• Convergent Data-driven Regularizations for CT Reconstruction [41.791026380947685]
  本研究では,データから線形正則化法を学習する上で,単純だが相変わらず収束するアプローチについて検討する。 このような手法が収束正則化手法となること、およびそれらが提供する再構成が訓練されたトレーニングデータよりも典型的にスムーズであることを証明する。
  論文  参考訳（メタデータ） (2022-12-14T17:34:03Z)
• Object-centric and memory-guided normality reconstruction for video anomaly detection [56.64792194894702]
  本稿では,ビデオ監視における異常検出問題に対処する。 異常事象の固有な規則性と不均一性のため、問題は正規性モデリング戦略と見なされる。 我々のモデルは、トレーニング中に異常なサンプルを見ることなく、オブジェクト中心の正規パターンを学習する。
  論文  参考訳（メタデータ） (2022-03-07T19:28:39Z)

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。