X線透過イメージングにおける透視変形の学習【JST・京大機械翻訳】

Huang Yixing; Maier Andreas; Fan Fuxin; Kreher Bjorn; Huang Xiaolin; Fietkau Rainer; Bert Christoph; Putz Florian

プレプリント

J-GLOBAL ID：202202209054549980 整理番号：22P0288978

X線透過イメージングにおける透視変形の学習【JST・京大機械翻訳】

Learning Perspective Deformation in X-Ray Transmission Imaging

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 (8件)： , , , , , , ,
資料名：
発行年： 2022年02月13日プレプリントサーバーでの情報更新日： 2023年01月04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)

円錐ビームX線透過イメージングにおいて,透視変形は解剖学的構造の直接,正確な幾何学的評価の困難さを引き起こす。本研究では,透視変形補正問題を定式化し,2つの相補的(180{deg})ビューを用いてフレームワークで対処した。補足的な視点設定は,2つの見解間の偏差を評価することによって,透視的に変形した構造を同定する実用的方法を提供する。それはまた,境界情報を提供して,学習透視変形のための不確実性を減少する。透視変形を修正するための2つの代表的ネットワークPix2pixGANとTransU-Netを研究した。数値的ビーズファントムデータに関する実験は,直交ビューまたは単一視点に関する補足的見解の利点を実証した。それらは,完全畳み込みネットワークとしてのPix2pixGANが,直交空間よりも極性空間においてより良い性能を達成し,一方,変圧器ベースのハイブリッドネットワークとしてのTransU-Netは,直交空間に対する直交空間において同等の性能を達成することを示した。更なる研究は,訓練されたモデルが,キャリブレーション精度の範囲内で幾何学的不正確性に一定の耐性を持つことを示した。患者の胸部および頭部データからの合成投影画像および実際の死体CBCT投影データおよび嵩高い金属インプラントおよび外科的スクリューの存在下でのそのロバスト性に対する提案フレームワークの有効性は,将来の実際の応用の有望な側面を示す。【JST・京大機械翻訳】

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

医用画像処理 , 医療用機器装置

, , ,

前のページに戻る