MedNeRF:単一X線からの3D認識CT投影の再構成のための医学的神経放射線場【JST・京大機械翻訳】

Corona-Figueroa Abril; Frawley Jonathan; Bond-Taylor Sam; Bethapudi Sarath; Shum Hubert P. H.; Willcocks Chris G.

プレプリント

J-GLOBAL ID：202202214183459869 整理番号：22P0283632

MedNeRF:単一X線からの3D認識CT投影の再構成のための医学的神経放射線場【JST・京大機械翻訳】

MedNeRF: Medical Neural Radiance Fields for Reconstructing 3D-aware CT-Projections from a Single X-ray

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 (6件)： , , , , ,
資料名：
発行年： 2022年02月02日プレプリントサーバーでの情報更新日： 2022年04月08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)

コンピュータ断層撮影(CT)は,様々な病理学の診断のための臨床医学の分野で広く使用されている効果的な医用イメージングモダリティである。マルチ検出器CTイメージング技術の進歩は,薄いスライス多平面断面体イメージングと3D再構成の生成を含む付加的機能を可能にした。しかし,これはかなりの線量のイオン化照射にさらされる患者を含む。過度のイオン化放射は,体に決定論的で有害な効果をもたらす。本論文では,少数のあるいは単一視点X線からCT投影を再構成する学習を学習する深層学習モデルを提案した。これは,神経放射輝度場から構築する新しいアーキテクチャに基づいており,それは2D画像から表面および内部解剖学的構造の形状と体積深さを解き,CTスキャンの連続表現を学習する。著者らのモデルを胸部および膝データセットで訓練し,定性的および定量的高忠実度レンダリングを実証し,他の最近の放射輝度場ベース法と比較した。著者らのデータセットへの著者らのコードとリンクは,https://github.com/abrilcf/mednerfで利用可能である。【JST・京大機械翻訳】

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

放射線を利用した診断 , 医用画像処理

, , , , , , ,

前のページに戻る