文献

J-GLOBAL ID：202002220306459256   整理番号：20A0382342

低線量胸部画像における条件付き生成的敵対ネットワーク(CGaN)による画像雑音除去【JST・京大機械翻訳】

Image denoising with conditional generative adversarial networks (CGAN) in low dose chest images

著者 (3件)： Kim Hee-Joung (Department of Radiation Convergence Engineering, Research Institute of Health Science, Yonsei University, 1 Yonseidae-gil, Wonju, Gangwon, 220-710, South Korea) ,  Kim Hee-Joung (Department of Radiological Science, Research Institute of Health Science, Yonsei University, 1 Yonseidae-gil, Wonju, Gangwon, 220-710, South Korea) ,  Lee Donghoon (Department of Radiation Convergence Engineering, Research Institute of Health Science, Yonsei University, 1 Yonseidae-gil, Wonju, Gangwon, 220-710, South Korea)
資料名： Nuclear Instruments & Methods in Physics Research. Section A. Accelerators, Spectrometers, Detectors and Associated Equipment  (Nuclear Instruments & Methods in Physics Research. Section A. Accelerators, Spectrometers, Detectors and Associated Equipment)
巻： 954  ページ： Null  発行年： 2020年 
JST資料番号： D0208B  ISSN： 0168-9002  資料種別： 逐次刊行物 (A)
記事区分： 文献レビュー  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 最近,X線を含むイオン化放射線の有害性により,低線量医用画像が注目されている。しかしながら,放射線量が医用画像取得過程の間に減少するとき,有意な量子雑音が一般的に発生する。本研究の目的は,診断のための一般的に行われている医用画像である低線量胸部イメージングのための深い学習に基づく画像雑音除去法を開発することである。条件付き生成敵ネットワーク(CGANs)を,雑音除去アルゴリズムの開発に用いた。深い学習モデルを訓練するために,著者らは,SPIE American-Association-of-Physicistics-in-the lung-CT-チャレンジ,およびLung-Image-Database-Consortiumおよび画像-Database-Resource-Initiativeデータベースを用いた。得られた画像は,提案した方法が雑音成分を除去することにより優れた画質を達成することを実証した。全変動(TV)最小化と非局所平均(NLM)のような従来の雑音除去アルゴリズムと比較して,提案した方法は得られた画像の優れた品質を示した。従来の雑音除去アルゴリズムを用いて得られた医用画像において,医用診断に有害な画像情報の損失が発生した。従来の雑音除去アルゴリズムとは異なり,提案したアルゴリズムは画像雑音により劣化した画像分解能を復元した。構造類似性指標測度(SSIM)を通しての定量的評価は,従来の方法より提案方法の優位性を実証した。提案した方法のSSIMは,NLMおよびTV法のそれらと比較して,それぞれ1.5倍および2.5倍改善された。そこで,低線量胸部画像のための最新の深い学習構造の一つであるCGaNによる医用イメージングのための雑音除去アルゴリズムを開発した。提案した雑音除去法は画像品質の改善と患者線量の低減に寄与すると期待される。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 電離放射線 ,  学習モデル ,  品質 ,  医用画像 ,  *雑音除去 ,  量子雑音 ,  学習 ,  画質 ,  アルゴリズム ,  画像処理 ,  放射線量 ,  測度 ,  *ネットワーク ,  有害性 ,  データベース

著者キーワード (3件)： 条件付き生成的敵対ネットワーク ,  医用画像 ,  画像ノイズ

分類 (3件)： その他の線源の利用  (MC01060N) ,  放射線検出・検出器  (AD08020J) ,  医療用機器装置  (GA05020L)

タイトルに関連する用語 (4件)： 低線量 ,  胸部 ,  敵対 ,  画像雑音除去