S2MS:自己教師付き学習駆動マルチスペクトルCT画像強調【JST・京大機械翻訳】

Zhang Chaoyang; Chang Shaojie; Bai Ti; Chen Xi

プレプリント

J-GLOBAL ID：202202208659474764 整理番号：22P0279454

S2MS:自己教師付き学習駆動マルチスペクトルCT画像強調【JST・京大機械翻訳】

S2MS: Self-Supervised Learning Driven Multi-Spectral CT Image Enhancement

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年01月25日プレプリントサーバーでの情報更新日： 2022年01月25日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

光子計数スペクトルCT(PCCT)は,走査物体のエネルギー特性を反映して,異なるエネルギーチャネルで再構成減衰マップを生成することができる。各エネルギーチャネルの限られた光子数と非理想検出器応答のため,再構成画像は,通常,多くの雑音を含んでいる。深層学習(DL)技術の開発によって,種々の種類のDLベースのモデルをノイズ低減のために提案した。しかし,ほとんどのモデルは訓練ラベルとしてクリーンデータセットを必要とし,医用イメージング分野では必ずしも利用できない。各チャネル再構成画像の類似性により,マルチスペクトルチャネル(S2MS)による自己教師付き学習ベースPCCT画像強調フレームワークを提案した。S2MSフレームワークでは,入力と出力ラベルの両方が雑音の多い画像である。特に,1つの単一チャネル画像を出力として使用し,他の単一チャネルとチャネル和画像の画像を入力として用いて,ネットワークを訓練し,余分なコストなしでスペクトルデータ情報を完全に使用することができた。AAPM低線量CTチャレンジデータベースに基づくシミュレーション結果は,提案したS2MSモデルが,従来のDLモデルと比較して,ノイズを抑圧して,より有効に保存することができ,そしてそれは,臨床応用におけるPCCTの画像品質を改善する可能性を有することを示した。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

医用画像処理 , 図形・画像処理一般

, , ,

前のページに戻る