基于梯度的几何学习用于风扇光束CT重建
Mareike Thies1, Fabian Wagner1, Noah Maul1,2
1Pattern Recognition Lab, FAU Erlangen-Nürnberg, Germany.
Physics in medicine and biology
|October 2, 2023
概括
这项研究引入了一种新的方法,通过优化采集几何来提高计算机断层扫描 (CT) 图像质量. 这种方法提高了图像的清晰度和准确性,特别是在运动或扫描器缺陷的情况下.
科学领域:
- 医疗成像医学成像
- 计算成像技术的成像
- 图像重建 图像的重建
背景情况:
- 微分计算机断层扫描 (CT) 重建操作员增强图像分析.
- 当前的方法往往固定收购几何,忽视其对重建质量的影响.
- 精确的采集几何学对于高质量的CT重建至关重要.
研究的目的:
- 扩展可微分风扇-光束CT重建以优化采集几何.
- 为了使梯度从图像空间传播到几何参数.
- 将此方法应用于运动补偿和其他校准任务.
主要方法:
- 分析得出的风扇-光束CT重建与收购几何学.
- 传播的梯度信息从图像损失函数到几何参数.
- 用神经网络参数化成本函数应用于刚性运动补偿.
主要成果:
- 改进了结构相似度指数 (SSIM) 测量,从0.848升至0.946的运动受影响的重建.
- 将其推广到真实风扇光束协同图 (螺旋轨迹),SSIM从0.639增加到0.742.
- 第一个以自动对焦为灵感的算法,使用分析梯度进行优化.
结论:
- 拟议的方法可以优化CT采集几何,以改善图像重建.
- 在运动补偿和扫描仪校准潜力的证明有效性.
- 在CT中为混合深度学习和分析梯度技术铺平了道路.
更多相关视频
09:00Visualization of Failure and the Associated Grain-Scale Mechanical Behavior of Granular Soils under Shear using Synchrotron X-Ray Micro-Tomography
Published on: September 29, 2019
13.4K
14:08Automated Midline Shift and Intracranial Pressure Estimation based on Brain CT Images
Published on: April 13, 2013
42.7K
