低線量CT雑音除去のための確率的自己学習フレームワーク【JST・京大機械翻訳】

Bai Ti; Nguyen Dan; Wang Biling; Jiang Steve

プレプリント

J-GLOBAL ID：202202211488131732 整理番号：21P0033707

低線量CT雑音除去のための確率的自己学習フレームワーク【JST・京大機械翻訳】

Probabilistic self-learning framework for Low-dose CT Denoising

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： 2020年05月30日プレプリントサーバーでの情報更新日： 2021年01月21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)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

診断医学分野でのX線コンピュータ断層撮影(CT)の不可欠な役割にもかかわらず,関連する電離放射線は,それが遺伝的および癌性疾患を引き起こすことを考慮すると,まだ主要な関心事である。曝露の減少は線量と放射線関連リスクを低減することができるが,より高い量子雑音も誘導する。教師つき深層学習は,低線量CT(LDCT)を雑音除去するためにニューラルネットワークを訓練するために使用できる。しかし,その成功は,実際の実践では稀にしか利用できない,大規模なピクセルワイズ対LDCTと正常線量CT(NDCT)画像を必要とする。この問題を軽減するために,本論文では,シフト不変特性ベースニューラルネットワークを考案し,LDCT画像のみを用いて,固有画素相関と雑音分布を学習し,確率的自己学習フレームワークに成形した。実験結果は,提案した方式が競争者を凌駕し,臨床診療で高度に推定可能なルーチンNDCTと同じ画像スタイルを持つ強化LDCT画像を生成することを示した。【JST・京大機械翻訳】

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

医用画像処理

, , , ,

前のページに戻る