抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】