論文の概要: Filling of incomplete sinograms from sparse PET detector configurations using a residual U-Net

• arxiv url: http://arxiv.org/abs/2506.19600v1
• Date: Tue, 24 Jun 2025 13:10:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-25 19:48:23.639277
• Title: Filling of incomplete sinograms from sparse PET detector configurations using a residual U-Net
• Title（参考訳）: 残留U-Netを用いたスパースPET検出器構成の不完全シノグラムの充満
• Authors: Klara Leffler, Luigi Tommaso Luppino, Samuel Kuttner, Karin Söderkvist, Jan Axelsson,
• Abstract要約: 長軸視野PETスキャナは、従来のPETスキャナと比較して視野と感度が向上する。 大幅なコストは、拡張カバーシステムに必要な高密度に充填された光検出器に関係している。 代替のスパースシステム構成が提案されており、標準的なPETシステムと同様の検出器コストで視野内PET設計を拡張できる。
• 参考スコア（独自算出の注目度）: 0.6640968473398456
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Long axial field-of-view PET scanners offer increased field-of-view and sensitivity compared to traditional PET scanners. However, a significant cost is associated with the densely packed photodetectors required for the extended-coverage systems, limiting clinical utilisation. To mitigate the cost limitations, alternative sparse system configurations have been proposed, allowing an extended field-of-view PET design with detector costs similar to a standard PET system, albeit at the expense of image quality. In this work, we propose a deep sinogram restoration network to fill in the missing sinogram data. Our method utilises a modified Residual U-Net, trained on clinical PET scans from a GE Signa PET/MR, simulating the removal of 50% of the detectors in a chessboard pattern (retaining only 25% of all lines of response). The model successfully recovers missing counts, with a mean absolute error below two events per pixel, outperforming 2D interpolation in both sinogram and reconstructed image domain. Notably, the predicted sinograms exhibit a smoothing effect, leading to reconstructed images lacking sharpness in finer details. Despite these limitations, the model demonstrates a substantial capacity for compensating for the undersampling caused by the sparse detector configuration. This proof-of-concept study suggests that sparse detector configurations, combined with deep learning techniques, offer a viable alternative to conventional PET scanner designs. This approach supports the development of cost-effective, total body PET scanners, allowing a significant step forward in medical imaging technology.
• Abstract（参考訳）: 長軸視野PETスキャナは、従来のPETスキャナと比較して視野と感度が向上する。 しかし, 長期被覆システムに必要な高密度光検出器は, 臨床応用を制限し, 大幅なコストが伴う。 コスト制限を緩和するため、画像の品質を犠牲にして、標準的なPETシステムと同様のコストで視野内PET設計を拡張できる代替のスパースシステム構成が提案されている。 本研究は, 欠損したシングラムデータを埋めるディープ・シングラム復元ネットワークを提案する。 本手法は,GE Signa PET/MRから臨床PETスキャンをトレーニングした残像U-Netを用いて,チェスボードパターンによる検出値の50%の除去をシミュレートする(全応答の25%しか保持しない)。 平均絶対誤差は1ピクセルあたりの2イベント以下であり、2次元補間と再構成された画像領域の両方で優れる。 特に、予測されたシングラムは滑らかな効果を示し、より細部でシャープさに欠ける再構成画像をもたらす。 これらの制限にもかかわらず、モデルはスパース検出器構成によるアンダーサンプリングを補うためのかなりの能力を示す。 この概念実証研究は、スパース検出器の構成とディープラーニング技術が組み合わさって、従来のPETスキャナーの代替となることを示唆している。 このアプローチは、費用対効果の高い全体PETスキャナの開発を支援し、医療画像技術において大きな進歩をもたらす。

関連論文リスト

• Personalized MR-Informed Diffusion Models for 3D PET Image Reconstruction [44.89560992517543]
  本稿では,PET-MR スキャンのデータセットから対象特異的なPET画像を生成するための簡易な手法を提案する。 私たちが合成した画像は、被験者のMRスキャンからの情報を保持し、高分解能と解剖学的特徴の保持につながる。 18ドルF]FDGデータセットのシミュレーションと実データを用いて,対象特異的な「擬似PET」画像を用いたパーソナライズされた拡散モデルの事前学習により,低カウントデータによる再構成精度が向上することを示す。
  論文  参考訳（メタデータ） (2025-06-04T10:24:14Z)
• Two-stage deep learning framework for the restoration of incomplete-ring PET images [0.6478690173421426]
  約50%の偶然を欠いたデータから高品質な画像を復元する2段階のディープラーニングフレームワークを提案する。 また, 推論速度も向上し, 不完全リングPET画像の有効解が得られた。
  論文  参考訳（メタデータ） (2025-04-01T14:05:32Z)
• Parameter Efficient Fine Tuning for Multi-scanner PET to PET Reconstruction [3.74142789780782]
  潜在能力に感銘を受ける。 PEFT (Efficient Fine-Tuning, PEFT) は, PEFTを有効活用して限られたデータを改善することを目的としている。 本稿ではPETITEについて紹介する。 MultI-Scanner PET と PET Reconstruction の効率的なファインチューニングは、パラメータの1%未満を使用する。
  論文  参考訳（メタデータ） (2024-07-10T10:12:26Z)
• Contrastive Diffusion Model with Auxiliary Guidance for Coarse-to-Fine PET Reconstruction [62.29541106695824]
  本稿では, 粗い予測モジュール (CPM) と反復的修正モジュール (IRM) から構成される粗大なPET再構成フレームワークを提案する。 計算オーバーヘッドの大部分をCPMに委譲することで,本手法のサンプリング速度を大幅に向上させることができる。 2つの追加戦略、すなわち補助的な誘導戦略と対照的な拡散戦略が提案され、再構築プロセスに統合される。
  論文  参考訳（メタデータ） (2023-08-20T04:10:36Z)
• Self-Supervised Pre-Training for Deep Image Prior-Based Robust PET Image Denoising [0.5999777817331317]
  ポジトロン・エミッション・トモグラフィ(PET)画像修復にDeep Image prior (DIP) が有効である。 DIPに基づくPET画像復調性能を改善するための自己教師付き事前学習モデルを提案する。
  論文  参考訳（メタデータ） (2023-02-27T06:55:00Z)
• REGAS: REspiratory-GAted Synthesis of Views for Multi-Phase CBCT Reconstruction from a single 3D CBCT Acquisition [75.64791080418162]
  REGASは、アンダーサンプドトモグラフィビューを合成し、再構成画像中のアーティファクトのエイリアスを緩和する自己教師手法を提案する。 高解像度4Dデータ上でのディープニューラルネットワークの大規模なメモリコストに対処するため、REGASは分散して微分可能なフォワードプロジェクションを可能にする新しいレイパス変換(RPT)を導入した。
  論文  参考訳（メタデータ） (2022-08-17T03:42:19Z)
• Efficient Decoder-free Object Detection with Transformers [75.00499377197475]
  視覚変換器(ViT)は、物体検出アプローチのランドスケープを変化させている。 本稿では,デコーダフリー完全トランス(DFFT)オブジェクト検出器を提案する。 DFFT_SMALLは、トレーニングおよび推論段階で高い効率を達成する。
  論文  参考訳（メタデータ） (2022-06-14T13:22:19Z)
• Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
  ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。 我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
  論文  参考訳（メタデータ） (2021-10-27T19:28:36Z)
• Tattoo tomography: Freehand 3D photoacoustic image reconstruction with an optical pattern [49.240017254888336]
  光音響トモグラフィ(PAT)は、形態学的および機能的組織特性の両方を解決することができる新しいイメージング技術である。 現在の欠点は、従来の2Dプローブによって提供される視野の制限である。 本研究では,外部追跡システムを必要としないPATデータの3次元再構成手法を提案する。
  論文  参考訳（メタデータ） (2020-11-10T09:27:56Z)

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。