文献

J-GLOBAL ID：202002212179188755   整理番号：20A1957069

グランドトルース除去を伴う畳込みニューラルネットワークを用いたCTスキャンにおける金属アーチファクト低減【JST・京大機械翻訳】

Metal Artifacts Reduction in CT Scans using Convolutional Neural Network with Ground Truth Elimination

著者 (2件)： Mai Qi (University of Waterloo,Computational Mathematics, Faculty of Mathematics,Ontario,Canada) ,  Wan Justin W.L. (University of Waterloo,David R. Cheriton School of Computer Science, Faculty of Mathematics,Ontario,Canada)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： EMBC  ページ： 1319-1322  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 金属アーチファクトは,金属挿入または置換が患者の身体のある種の機能性または機構を増強するために行われるので,CTスキャンにおいて非常に一般的である。これらのストリークアーチファクトは,CT画像品質をひどく劣化させ,その結果,臨床医の診断に影響を及ぼすことができた。この問題に接近する多くの既存の教師つき学習法は,金属インプラントのある部分において,金属アーチファクトのない画像データ,画像フリーのアベイラビリティを仮定する。しかし,臨床診療では,これらの清浄な画像は通常存在しない。したがって,臨床的に働くための既存の教師つき学習ベースの方法のためのサポートはない。股関節スキャンにおけるストリークアーチファクトの低減に焦点を当て,モデル訓練中のインプラント部分におけるクリーン画像の必要性を排除するための畳み込みニューラルネットワークベースの方法を提案した。アイデアは,モデル訓練のために股関節近くの部品のスキャンを使用することである。著者らの方法は,崩壊した画像におけるアーチファクトを抑制でき,画像品質を高度に改善し,どんなクリーンな股関節スキャンも使用せずに,周囲の組織の詳細を保存することができる。多重患者からの臨床CT股関節スキャンにこの方法を適用し,高画質のアーチファクトのない画像を得た。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アベイラビリティ ,  教師つき学習 ,  画質 ,  多重化 ,  股関節 ,  *計算機トモグラフィー ,  *アーチファクト
準シソーラス用語： 画像データ ,  CT画像 ,  ストリークアーチファクト ,  *メタルアーチファクト ,  アーチファクト低減 ,  *グランドトゥルース , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： グランドトルース ,  畳込みニューラルネットワーク ,  CTスキャン ,  金属アーチファクト