文献

J-GLOBAL ID：202202251240505034   整理番号：22A0640095

スパースビューCTイメージングのための一般化深層反復再構成【JST・京大機械翻訳】

Generalized deep iterative reconstruction for sparse-view CT imaging

著者 (13件)： Su Ting (Research Center for Medical Artificial Intelligence, Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences, Shenzhen 518055, People’s Republic of China) ,  Cui Zhuoxu (Research Center for Medical Artificial Intelligence, Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences, Shenzhen 518055, People’s Republic of China) ,  Yang Jiecheng (Research Center for Medical Artificial Intelligence, Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences, Shenzhen 518055, People’s Republic of China) ,  Zhang Yunxin (Department of Vascular Surgery, Beijing Jishuitan Hospital, Beijing 100035, People’s Republic of China) ,  Liu Jian (Department of Interventional Neuroradiology, Beijing Neurosurgical Institute and Beijing Tiantan Hospital, Beijing 100070, People’s Republic of China) ,  Zhu Jiongtao (Research Center for Medical Artificial Intelligence, Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences, Shenzhen 518055, People’s Republic of China) ,  Gao Xiang (Research Center for Medical Artificial Intelligence, Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences, Shenzhen 518055, People’s Republic of China) ,  Fang Shibo (Research Center for Medical Artificial Intelligence, Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences, Shenzhen 518055, People’s Republic of China) ,  Zheng Hairong (Paul C. Lauterbur Research Center for Biomedical Imaging, Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences, Shenzhen 518055, People’s Republic of China) ,  Ge Yongshuai (Research Center for Medical Artificial Intelligence, Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences, Shenzhen 518055, People’s Republic of China) ,  Ge Yongshuai (Paul C. Lauterbur Research Center for Biomedical Imaging, Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences, Shenzhen 518055, People’s Republic of China) ,  Liang Dong (Research Center for Medical Artificial Intelligence, Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences, Shenzhen 518055, People’s Republic of China) ,  Liang Dong (Paul C. Lauterbur Research Center for Biomedical Imaging, Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences, Shenzhen 518055, People’s Republic of China)
資料名： Physics in Medicine and Biology  (Physics in Medicine and Biology)
巻： 67  号： 2  ページ： 025005 (19pp)  発行年： 2022年 
JST資料番号： D0324A  ISSN： 0031-9155  CODEN： PHMBA7  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： Sparse-view CTは,臨床CTイメージングにおけるX線放射線量を低減するための有望なアプローチである。しかしながら,従来のフィルタバック投影アルゴリズムから再構成されたCT画像は,厳しいストリークアーチファクトに悩まされる。反復再構成アルゴリズムは,これらのストリークアーチファクトを緩和するために広く採用されているが,それらは,強いデータ特異的計算のため,CTイメージング時間を長引かせる可能性がある。最近,モデル駆動深層学習CT画像再構成法は,深いニューラルネットワークに反復最適化手順を失い,画像品質を改善し,再構成時間を短くするための刺激的な見通しを示した。本研究では,そのような反復モデルに対する一般化非回転スキームを検討し,スパースビューCTイメージングにおけるその性能をさらに強化した。それを用いて,反復パラメータ,正則化項,データ忠実度項,および数学的操作さえ,ネットワーク訓練により学習され,最適化されると仮定した。数値的および実験的スパースビューCT画像からの結果は,最大一般化を有する新しく提案したネットワークが最良の再構成性能を提供することを実証した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  最適化 ,  ネットワーク ,  ニューラルネットワーク ,  *画像処理 ,  画質 ,  放射線量 ,  計算機アルゴリズム ,  正則化 ,  パラメータ ,  断層画像 ,  アーチファクト ,  画像再構成
準シソーラス用語： CT画像 ,  ストリークアーチファクト ,  *反復再構成 ,  再構成アルゴリズム ,  深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (5件)： CT ,  イメージング ,  一般化 ,  深層 ,  反復再構成