論文の概要: Visible Singularities Guided Correlation Network for Limited-Angle CT Reconstruction
- arxiv url: http://arxiv.org/abs/2602.00184v1
- Date: Fri, 30 Jan 2026 05:29:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-03 19:28:33.037302
- Title: Visible Singularities Guided Correlation Network for Limited-Angle CT Reconstruction
- Title（参考訳）: 有限角CT再構成のための可視特異性誘導相関ネットワーク
- Authors: Yiyang Wen, Liu Shi, Zekun Zhou, WenZhe Shan, Qiegen Liu,
- Abstract要約: 有限角CT(Limited-angle Computed Tomography, LACT)は放射線線量削減と走査時間短縮の利点を提供する。
従来の再構成アルゴリズムは、LACTに固有の様々な制限を示す。
LACT再構成のための可視特異性誘導相関ネットワークを提案する。
- 参考スコア（独自算出の注目度）: 5.107409624991683
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Limited-angle computed tomography (LACT) offers the advantages of reduced radiation dose and shortened scanning time. Traditional reconstruction algorithms exhibit various inherent limitations in LACT. Currently, most deep learning-based LACT reconstruction methods focus on multi-domain fusion or the introduction of generic priors, failing to fully align with the core imaging characteristics of LACT-such as the directionality of artifacts and directional loss of structural information, which are caused by the absence of projection angles in certain directions. Inspired by the theory of visible and invisible singularities, taking into account the aforementioned core imaging characteristics of LACT, we propose a Visible Singularities Guided Correlation network for LACT reconstruction (VSGC). The design philosophy of VSGC consists of two core steps: First, extract VS edge features from LACT images and focus the model's attention on these VS. Second, establish correlations between the VS edge features and other regions of the image. Additionally, a multi-scale loss function with anisotropic constraint is employed to constrain the model to converge in multiple aspects. Finally, qualitative and quantitative validations are conducted on both simulated and real datasets to verify the effectiveness and feasibility of the proposed design. Particularly, in comparison with alternative methods, VSGC delivers more prominent performance in small angular ranges, with the PSNR improvement of 2.45 dB and the SSIM enhancement of 1.5\%. The code is publicly available at https://github.com/yqx7150/VSGC.
- Abstract（参考訳）: 有限角CT(Limited-angle Computed Tomography, LACT)は放射線線量削減と走査時間短縮の利点を提供する。
従来の再構成アルゴリズムは、LACTに固有の様々な制限を示す。
現在、ほとんどの深層学習に基づくLACT再構成法は、多領域融合や一般的な事前導入に重点を置いており、ある方向の投影角の欠如に起因するアーティファクトの方向性や構造情報の方向性の喪失など、LACTのコアイメージング特性と完全に一致しない。
可視・可視の特異点の理論に触発され、前述のLACTのコアイメージング特性を考慮し、LACT再構成のための可視特異点誘導相関ネットワーク(VSGC)を提案する。
VSGCの設計哲学は、2つの中核ステップで構成されている。まずは、LACTイメージからVSエッジの特徴を抽出し、これらのVSにモデルの注意を向ける。
さらに、異方性制約を持つマルチスケールの損失関数を用いて、モデルを複数の面に収束させることを制約する。
最後に,提案した設計の有効性と妥当性を検証するため,シミュレーションと実データの両方で定性的,定量的な検証を行う。
特に、代替手法と比較して、VSGCは2.45dBのPSNR改善と1.5\%のSSIM強化により、小さな角域でより顕著な性能を提供する。
コードはhttps://github.com/yqx7150/VSGCで公開されている。
関連論文リスト
- An Adaptive, Disentangled Representation for Multidimensional MRI Reconstruction [3.3803617991341053]
多次元磁気共鳴画像(MRI)データの表現と再構成のための新しい手法を提案する。
提案手法は,幾何学やコントラストなど,異なるタイプの特徴を異なる低次元の潜在空間に分解する,新しい特徴に基づく画像表現に基づく。
学習表現とゼロショットの自己教師付き学習適応とサブスペースモデリングを統合するために,新しい再構成形式とアルゴリズムを開発した。
論文 参考訳（メタデータ） (2025-12-31T07:02:21Z) - MODEL&CO: Exoplanet detection in angular differential imaging by learning across multiple observations [37.845442465099396]
ほとんどの後処理法は、対象の観測自体から核分裂のモデルを構築している。
本稿では,教師付き深層学習技術を利用して,複数観測のアーカイブからニュアンスモデルを構築することを提案する。
本稿では,提案手法をVLT/SPHERE機器から得られた複数のデータセットに適用し,高精度なリコールトレードオフを示す。
論文 参考訳（メタデータ） (2024-09-23T09:22:45Z) - 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) - DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection [55.48770333927732]
本稿では,拡散型異常検出(Difusion-based Anomaly Detection, DAD)フレームワークを提案する。
画素空間オートエンコーダ、安定拡散の復調ネットワークに接続する潜在空間セマンティックガイド(SG)ネットワーク、特徴空間事前学習機能抽出器から構成される。
MVTec-ADとVisAデータセットの実験は、我々のアプローチの有効性を実証している。
論文 参考訳（メタデータ） (2023-12-11T18:38:28Z) - You Only Train Once: A Unified Framework for Both Full-Reference and No-Reference Image Quality Assessment [45.62136459502005]
本稿では,完全な参照 (FR) と非参照 (NR) IQA を行うネットワークを提案する。
まず、入力画像から多レベル特徴を抽出するためにエンコーダを用いる。
FRおよびNR入力のユニバーサルアダプタとして階層的注意(HA)モジュールを提案する。
エンコーダの浅い層と深い層との間の特徴相関を調べるために, セマンティック・ディストーション・アウェア (SDA) モジュールを提案する。
論文 参考訳（メタデータ） (2023-10-14T11:03:04Z) - ESSAformer: Efficient Transformer for Hyperspectral Image
Super-resolution [76.7408734079706]
単一ハイパースペクトル像超解像(単一HSI-SR)は、低分解能観測から高分解能ハイパースペクトル像を復元することを目的としている。
本稿では,1つのHSI-SRの繰り返し精製構造を持つESSA注目組込みトランスフォーマネットワークであるESSAformerを提案する。
論文 参考訳（メタデータ） (2023-07-26T07:45:14Z) - Self-Supervised Coordinate Projection Network for Sparse-View Computed
Tomography [31.774432128324385]
本研究では,1つのSVシングラムからアーチファクトフリーCT像を再構成する自己監督コーディネートプロジェクションnEtwork(SCOPE)を提案する。
暗黙的ニューラル表現ネットワーク(INR)を用いた類似の問題を解決する最近の研究と比較して、我々の重要な貢献は効果的で単純な再投射戦略である。
論文 参考訳（メタデータ） (2022-09-12T06:14:04Z) - PC-GANs: Progressive Compensation Generative Adversarial Networks for
Pan-sharpening [50.943080184828524]
空間情報とスペクトル情報の漸進的補償によりMS画像のシャープ化を行うパンシャーピングの新しい2段階モデルを提案する。
モデル全体が三重GANで構成されており、特定のアーキテクチャに基づいて、三重GANを同時に訓練できるように、共同補償損失関数が設計されている。
論文 参考訳（メタデータ） (2022-07-29T03:09:21Z) - Hierarchical Similarity Learning for Aliasing Suppression Image
Super-Resolution [64.15915577164894]
エイリアスの影響を抑制するために階層画像超解像ネットワーク(HSRNet)を提案する。
HSRNetは、他の作品よりも定量的かつ視覚的なパフォーマンスを向上し、エイリアスをより効果的に再送信する。
論文 参考訳（メタデータ） (2022-06-07T14:55:32Z) - InDuDoNet+: A Model-Driven Interpretable Dual Domain Network for Metal
Artifact Reduction in CT Images [53.4351366246531]
InDuDoNet+と呼ばれる新しい解釈可能な二重ドメインネットワークを構築し、CT画像の微細な埋め込みを行う。
異なる組織間のCT値を分析し,InDuDoNet+の事前観測ネットワークにマージすることで,その一般化性能を著しく向上させる。
論文 参考訳（メタデータ） (2021-12-23T15:52:37Z)
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。