論文の概要: Gradient Step Plug-and-Play Model for Dental Cone-Beam CT Reconstruction
- arxiv url: http://arxiv.org/abs/2605.28124v1
- Date: Wed, 27 May 2026 08:15:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-28 17:38:55.877292
- Title: Gradient Step Plug-and-Play Model for Dental Cone-Beam CT Reconstruction
- Title（参考訳）: 歯科コーンビームCT再建のための段階的ステッププラグ・アンド・プレイモデル
- Authors: Idris Tatachak, Luis Kabongo, Nicolas Papadakis, Xavier Ripoche, Simon Rit,
- Abstract要約: 本研究の目的は, 歯科用コーンビームCT再建における光子ノイズの影響を低減することである。
逆問題定式化を考慮し,事前データベースを構築した。
前者は、再構成されたシミュレートされた取得を用いて勾配ステップデノイザを訓練することにより得られる。
訓練されたモデルは、シミュレーションプロジェクションからイメージを再構成するプラグイン・アンド・プレイ・グラデーション・ステップ・アルゴリズムに統合される。
- 参考スコア（独自算出の注目度）: 5.181819540752101
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The goal of this work is to reduce the effect of photon noise in dental cone-beam CT reconstruction. We consider an inverse problem formulation and develop a databased prior. To this end, we simulate fan-beam acquisitions and add photon noise to the projection data. The prior is obtained by training a gradient-step denoiser using reconstructed simulated acquisitions. The trained model is integrated into a plug-and-play gradient-step algorithm to reconstruct images from simulated projections. Experiments on synthetic data demonstrate the denoising capabilities of the trained model, while qualitative evaluations on real images showcase the algorithm's performance and generalization ability.
- Abstract（参考訳）: 本研究の目的は, 歯科用コーンビームCT再建における光子ノイズの影響を低減することである。
逆問題定式化を考慮し,事前データベースを構築した。
この目的のために、ファンビームの取得をシミュレートし、プロジェクションデータに光子ノイズを加える。
前者は、再構成されたシミュレートされた取得を用いて勾配ステップデノイザを訓練することにより得られる。
訓練されたモデルは、シミュレーションプロジェクションからイメージを再構成するプラグイン・アンド・プレイ・グラデーション・ステップ・アルゴリズムに統合される。
合成データの実験では、訓練されたモデルの復調能力を示す一方、実画像の定性評価では、アルゴリズムの性能と一般化能力を示す。
関連論文リスト
- DenOiS: Dual-Domain Denoising of Observation and Solution in Ultrasound Image Reconstruction [1.711666249985278]
医用画像は、不完全性(単純化/線形化)イメージングモデルを使用し、しばしば不正確で不完全な測定から組織特性を回復することを目的としている。
解析的再構成法は手作りの正規化に依存し、雑音の仮定やパラメータチューニング領域に敏感である。
本稿では,入射観測と撮像モデルの精度を両立させるフレームワークであるDeniSを提案する。
定量的超音波画像再構成の課題として,音速画像の高速化を実証する。
論文 参考訳（メタデータ） (2026-04-02T14:35:43Z) - Direct Dual-Energy CT Material Decomposition using Model-based Denoising Diffusion Model [105.95160543743984]
本稿では,Dual-Energy Decomposition Model-based Diffusion (DEcomp-MoD) と呼ばれる深層学習手法を提案する。
Decomp-MoDは、教師なしスコアベースモデルと教師なしディープラーニングネットワークより優れていることを示す。
論文 参考訳（メタデータ） (2025-07-24T01:00:06Z) - CT-SDM: A Sampling Diffusion Model for Sparse-View CT Reconstruction across All Sampling Rates [16.985836345715963]
Sparse view X-ray Computed tomography は放射線線量減少を緩和する現代的手法として登場した。
深層学習を用いた最近の研究は, Sparse-View Computed Tomography (SVCT) のアーティファクトの除去に有望な進展をもたらした。
本研究では,任意のサンプリングレートで高性能SVCT再構成を実現するための適応的再構成手法を提案する。
論文 参考訳（メタデータ） (2024-09-03T03:06:15Z) - Learned denoising with simulated and experimental low-dose CT data [8.689987421968116]
本研究は,CT画像における雑音低減の文脈における機械学習手法,特に畳み込みニューラルネットワーク(CNN)の適用について検討する。
シミュレーションノイズデータと実世界の実験ノイズデータで学習したアルゴリズムの観測性能の違いを総合的に調査するため,機械学習に大規模な2次元CTデータセットを用いた。
論文 参考訳（メタデータ） (2024-08-15T12:24:22Z) - SeNM-VAE: Semi-Supervised Noise Modeling with Hierarchical Variational Autoencoder [13.453138169497903]
SeNM-VAEは、ペアとアンペアの両方のデータセットを利用して、現実的な劣化データを生成する半教師付きノイズモデリング手法である。
実世界の画像認識と超分解能タスクのためのペアトレーニングサンプルを生成するために,本手法を用いた。
提案手法は, 合成劣化画像の品質を, 他の不対とペアのノイズモデリング法と比較して向上させる。
論文 参考訳（メタデータ） (2024-03-26T09:03:40Z) - Gradpaint: Gradient-Guided Inpainting with Diffusion Models [71.47496445507862]
Denoising Diffusion Probabilistic Models (DDPM) は近年,条件付きおよび非条件付き画像生成において顕著な成果を上げている。
我々はGradPaintを紹介し、グローバルな一貫性のあるイメージに向けて世代を操る。
我々は、様々なデータセットで訓練された拡散モデルによく適応し、現在最先端の教師付きおよび教師なしの手法を改善している。
論文 参考訳（メタデータ） (2023-09-18T09:36:24Z) - Simultaneous Image-to-Zero and Zero-to-Noise: Diffusion Models with Analytical Image Attenuation [53.04220377034574]
高品質(未条件)な画像生成のための前方拡散プロセスに解析的画像減衰プロセスを導入することを提案する。
本手法は,フォワード画像からノイズへのマッピングを,テクスチメジからゼロへのマッピングとテクスティケロ・ツー・ノイズマッピングの同時マッピングとして表現する。
我々は,CIFAR-10やCelebA-HQ-256などの無条件画像生成や,超解像,サリエンシ検出,エッジ検出,画像インペインティングなどの画像条件下での下流処理について実験を行った。
論文 参考訳（メタデータ） (2023-06-23T18:08:00Z) - TexPose: Neural Texture Learning for Self-Supervised 6D Object Pose
Estimation [55.94900327396771]
合成データから6次元オブジェクトポーズ推定のためのニューラルネットワークによるテクスチャ学習を提案する。
実画像からオブジェクトの現実的なテクスチャを予測することを学ぶ。
画素完全合成データからポーズ推定を学習する。
論文 参考訳（メタデータ） (2022-12-25T13:36:32Z) - DiVAE: Photorealistic Images Synthesis with Denoising Diffusion Decoder [73.1010640692609]
本稿では,拡散デコーダ(DiVAE)を用いたVQ-VAEアーキテクチャモデルを提案する。
我々のモデルは最先端の成果を達成し、さらに多くのフォトリアリスティックな画像を生成する。
論文 参考訳（メタデータ） (2022-06-01T10:39:12Z) - A comparison of different atmospheric turbulence simulation methods for
image restoration [64.24948495708337]
大気の乱流は、長距離イメージングシステムによって捉えられた画像の品質を悪化させる。
深層学習に基づく大気乱流緩和法が文献で提案されている。
様々な乱流シミュレーション手法が画像復元に与える影響を系統的に評価した。
論文 参考訳（メタデータ） (2022-04-19T16:21:36Z) - Iterative Reconstruction for Low-Dose CT using Deep Gradient Priors of
Generative Model [24.024765099719886]
反復的な再構成は、光子フラックスの低減による雑音の増加を補う最も有望な方法の1つである。
本研究では,低用量CTの反復生成モデルに条件項としてデータ一貫性を統合する。
再構成画像と多様体との間の距離は、再構成中のデータの忠実度とともに最小化される。
論文 参考訳（メタデータ） (2020-09-27T06:36:39Z)
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。