文献

J-GLOBAL ID：201702220708676730   整理番号：17A0755312

スペクトルCT再構成のためのテンソルに基づく辞書学習【Powered by NICT】

Tensor-Based Dictionary Learning for Spectral CT Reconstruction

著者 (4件)： Zhang Yanbo (Department of Electrical and Computer Engineering, University of Massachusetts Lowell, Lowell, MA, USA) ,  Mou Xuanqin (Institute of Image Processing and Pattern Recognition, Xian Jiaotong University, Xian, Shaanxi, China) ,  Wang Ge (Biomedical Imaging Center/Cluster, Department of Biomedical Engineering, CBIS, Rensselaer Polytechnic Institute, Troy, NY, USA) ,  Yu Hengyong (Department of Electrical and Computer Engineering, University of Massachusetts Lowell, Lowell, MA, USA)
資料名： IEEE Transactions on Medical Imaging  (IEEE Transactions on Medical Imaging)
巻： 36  号： 1  ページ： 142-154  発行年： 2017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： スペクトル計算機トモグラフィー(CT)は,物体のエネルギー弁別減衰マップを生成し,スペクトル次元と従来の画像体積を拡張する。スペクトルCTにおいて,画像は多重エネルギーチャンネルの各々で表現されたまばらにでき,エネルギーチャネル間で高度に相関していた。この特性によれば,スペクトル的なCT再構成のためのテンソルベース辞書学習法を提案した。著者らの方法では,テンソルパッチは,画像テンソル,フィルタ補正逆投影(FBP)を用いて,訓練データセットを形成する再構成から抽出した。Candecomp/Parafac分解を用いて,テンソルベースの辞書である訓練され,各原子はランク1テンソルである。,訓練された辞書を用いて逐次再構成プロセス中にその画像テンソルパッチをまばらに表現するためのであり,交互最小化法は最適化に適用した。著者らの提案した方法の有効性を数値的にシミュレートし,実際の前臨床マウスデータセットの両方で検証した。結果は,提案したテンソルベース法は一般的に優れた画像品質を生成し,現在一般的な一般的な方法よりもより正確な材料分解をもたらすことを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 多重化 ,  *スペクトル ,  最適化 ,  フィルタ ,  *再構成 ,  画質 ,  スペクトル次元 ,  *テンソル ,  画像 ,  コンピューター断層撮影 ,  改変
準シソーラス用語： 計算機トモグラフィー ,  訓練データ ,  逆投影 ,  *辞書学習 , 【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)： スペクトル ,  CT ,  再構成 ,  テンソル ,  辞書学習