文献

J-GLOBAL ID：202202283997212288   整理番号：22A1085806

DICDNet:CT画像における金属アーチファクト低減のための深い解釈可能な畳込み辞書ネットワーク【JST・京大機械翻訳】

DICDNet: Deep Interpretable Convolutional Dictionary Network for Metal Artifact Reduction in CT Images

著者 (6件)： Wang Hong (Tencent Jarvis Laboratory, Shenzhen, China) ,  Li Yuexiang (Tencent Jarvis Laboratory, Shenzhen, China) ,  He Nanjun (Tencent Jarvis Laboratory, Shenzhen, China) ,  Ma Kai (Tencent Jarvis Laboratory, Shenzhen, China) ,  Meng Deyu (School of Mathematics and Statistics, Xi’an Jiaotong University, Xi’an, China) ,  Zheng Yefeng (Tencent Jarvis Laboratory, Shenzhen, China)
資料名： IEEE Transactions on Medical Imaging  (IEEE Transactions on Medical Imaging)
巻： 41  号： 4  ページ： 869-880  発行年： 2022年 
JST資料番号： H0895A  ISSN： 0278-0062  CODEN： ITMID4  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： コンピュータ断層撮影(CT)画像は,患者内の金属インプラントに起因する好ましくないアーチファクトによりしばしば損なわれ,その後の臨床診断と治療に悪影響を与える。既存の深層学習ベース手法は,CT画像のための金属アーチファクト低減(MAR)に関する有望な成功を達成したが,それらの大部分は,一般的画像復元問題としてタスクを処理し,画像品質強化のために,市販のネットワークモジュールを利用した。したがって,そのようなフレームワークは,特定のタスクに対する十分なモデル解釈可能性の欠如に悩まされる。さらに,既存のMAR技法は,MAR性能の改善に有益である金属崩壊CT画像の基礎となる固有の事前知識を大きく無視する。本論文では,MARタスクのための深い解釈可能畳込み辞書ネットワーク(DICDNet)を提案した。特に,金属アーチファクトは常にCT画像において非局所ストリークと星形パターンを示す。そのような観察に基づいて,畳込み辞書モデルを展開して金属アーチファクトを符号化した。このモデルを解くために,著者らは,近位勾配技術に基づく新しい最適化アルゴリズムを提案した。単純なオペレータだけによって,提案したアルゴリズムの反復ステップは,特定の物理的意味を有する対応するネットワークモジュールに簡単に折り畳まれる。合成および臨床データセットに関する包括的な実験は,現在の最先端のMAR法と比較して,提案したDICDNetの有効性と優れた解釈可能性を実証した。コードはhttps://github.com/hongwang01/DICDNetで利用可能である。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. 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 ,  *畳込み ,  オペレータ ,  *ネットワーク ,  最適化手法 ,  画質 ,  *断層画像 ,  計算機トモグラフィー ,  *アーチファクト ,  機械学習 ,  画像復元
準シソーラス用語： 事前知識 ,  *CT画像 ,  臨床データ ,  臨床診断 ,  *アーチファクト低減 ,  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 (4件)： CT画像 ,  金属アーチファクト ,  畳込み ,  辞書