論文の概要: SwinCCIR: An end-to-end deep network for Compton camera imaging reconstruction
- arxiv url: http://arxiv.org/abs/2512.22766v1
- Date: Sun, 28 Dec 2025 04:10:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-30 22:37:30.211973
- Title: SwinCCIR: An end-to-end deep network for Compton camera imaging reconstruction
- Title（参考訳）: SwinCCIR:Comptonカメラ画像再構成のためのエンドツーエンドのディープネットワーク
- Authors: Minghao Dong, Xinyang Luo, Xujian Ouyang, Yongshun Xiao,
- Abstract要約: コンプトンカメラ(CC)はコンプトン散乱に基づいて入射ガンマの方向を決定するように設計されている。
本稿では,CCイメージングのためのエンドツーエンドディープラーニングフレームワークSwinCCIRを提案する。
回転変換器ブロックと変換畳み込みに基づく画像生成モジュールを併用することにより,リストモードイベントと放射源分布の関係を確立した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Compton cameras (CCs) are a kind of gamma cameras which are designed to determine the directions of incident gammas based on the Compton scatter. However, the reconstruction of CCs face problems of severe artifacts and deformation due to the fundamental reconstruction principle of back-projection of Compton cones. Besides, a part of systematic errors originated from the performance of devices are hard to remove through calibration, leading to deterioration of imaging quality. Iterative algorithms and deep-learning based methods have been widely used to improve reconstruction. But most of them are optimization based on the results of back-projection. Therefore, we proposed an end-to-end deep learning framework, SwinCCIR, for CC imaging. Through adopting swin-transformer blocks and a transposed convolution-based image generation module, we established the relationship between the list-mode events and the radioactive source distribution. SwinCCIR was trained and validated on both simulated and practical dataset. The experimental results indicate that SwinCCIR effectively overcomes problems of conventional CC imaging, which are expected to be implemented in practical applications.
- Abstract（参考訳）: コンプトンカメラ(コンプトンカメラ、英: Compton camera)は、コンプトン散乱に基づいて入射ガンマの方向を決定するために設計されたガンマカメラの一種である。
しかし, コンプトン円錐の後方投射の基本的復元原理により, CCの復元は, 深刻なアーティファクトや変形の問題に直面している。
さらに、装置の性能から生じる系統的なエラーの一部は、校正によって除去することが難しく、画像品質が劣化する。
反復アルゴリズムとディープラーニングに基づく手法は、再構成を改善するために広く用いられている。
しかし、そのほとんどは、バックプロジェクションの結果に基づいて最適化されている。
そこで我々は,CCイメージングのためのエンドツーエンドディープラーニングフレームワークSwinCCIRを提案した。
回転変換器ブロックと変換畳み込みに基づく画像生成モジュールを併用することにより,リストモードイベントと放射源分布の関係を確立した。
SwinCCIRは、シミュレートされたデータセットと実用的なデータセットの両方でトレーニングされ、検証された。
実験結果から,SwinCCIRは従来のCCイメージングの問題を効果的に克服し,実用化が期待されることが示唆された。
関連論文リスト
- Resolution-Independent Neural Operators for Multi-Rate Sparse-View CT [67.14700058302016]
深層学習手法は高忠実度再構成を実現するが、しばしば固定された取得設定に過度に適合する。
本稿では,連続関数空間に拡張したCT再構成フレームワークであるComputed Tomography Neural Operator (CTO)を提案する。
CTOは一貫性のあるマルチサンプリングレートとクロスレゾリューションのパフォーマンスを実現している。
論文 参考訳（メタデータ） (2025-12-13T08:31:46Z) - DIPLI: Deep Image Prior Lucky Imaging for Blind Astronomical Image Restoration [4.378167136812483]
この研究は、バックプロジェクション技術を用いて、シングルフレームからマルチフレームのトレーニングに移行するフレームワークであるDIPLIを提案する。
総合評価では、ラッキーイメージング、DIP、トランスフォーマーベースモデルRVRT、拡散ベースモデルDiffIR2VR-Zeroと比較する。
論文 参考訳（メタデータ） (2025-03-20T09:33:16Z) - SING: Semantic Image Communications using Null-Space and INN-Guided Diffusion Models [52.40011613324083]
近年, 無線画像伝送において, 共用音源チャネル符号化システム (DeepJSCC) が顕著な性能を発揮している。
既存の手法では、送信された画像とレシーバーの再構成されたバージョンとの間の歪みを最小限に抑えることに重点を置いており、しばしば知覚的品質を見落としている。
逆問題として,破損した再構成画像から高品質な画像の復元を定式化する新しいフレームワークであるSINGを提案する。
論文 参考訳（メタデータ） (2025-03-16T12:32:11Z) - Deep Guess acceleration for explainable image reconstruction in sparse-view CT [0.0]
スパースビューCT(Sparse-view Computed)は、医療画像における放射線線量を減らすために設計された新しいプロトコルである。
従来のフィルタバックプロジェクションの復元は、スパースデータによる深刻なアーティファクトに悩まされている。
対照的に、モデルベース反復再建(MBIR)は、臨床的使用には計算コストがかかりすぎる。
論文 参考訳（メタデータ） (2024-12-02T16:49:42Z) - Discretized Gaussian Representation for Tomographic Reconstruction [36.64964395405005]
離散ガウス表現(英: Discretized Gaussian Representation, DGR)は、離散ガウス関数の集合を用いて3次元体積を直接再構成する新しいフレームワークである。
高速ボリューム再構成は、ガウス的コントリビューションを最小限のオーバーヘッドでボクセルグリッドに集約する高度に並列化された手法である。
論文 参考訳（メタデータ） (2024-11-07T16:32:29Z) - Retinex-RAWMamba: Bridging Demosaicing and Denoising for Low-Light RAW Image Enhancement [71.13353154514418]
低照度画像の強化、特に生ドメインからsRGBドメインへのマッピングのようなクロスドメインタスクは、依然として大きな課題である。
RAWMambaと呼ばれる低照度RAW画像用にカスタマイズされた新しいMambaベースの手法を提案する。
低照度RAW画像の高精細化を図り、復調を施すことにより、高精細化を実現する。
論文 参考訳（メタデータ） (2024-09-11T06:12:03Z) - Deep Learning Based Speckle Filtering for Polarimetric SAR Images. Application to Sentinel-1 [51.404644401997736]
本稿では、畳み込みニューラルネットワークを用いて偏光SAR画像のスペックルを除去するための完全なフレームワークを提案する。
実験により,提案手法はスペックル低減と分解能保存の両方において例外的な結果をもたらすことが示された。
論文 参考訳（メタデータ） (2024-08-28T10:07:17Z) - 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) - Uformer-ICS: A U-Shaped Transformer for Image Compressive Sensing Service [43.23436916495013]
画像CSタスクのための新しいU字型トランスとしてUformer-ICSを提案する。
推定ブロック間隔に基づいて測定資源を割り当てる適応型サンプリングアーキテクチャを設計する。
本モデルでは,画像の局所的特徴と長距離依存性を同時に利用することができる。
論文 参考訳（メタデータ） (2022-09-05T04:52:12Z) - Unsupervised PET Reconstruction from a Bayesian Perspective [12.512270202705404]
DeepREDはDIPと正規化を組み合わせた典型的な表現である(RED)
本稿では,ベイズ的な視点からDeepREDを活用して,教師付き情報や補助情報のない単一劣化したシングラムからPET画像の再構成を行う。
論文 参考訳（メタデータ） (2021-10-29T06:32:21Z)
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。