TMAA-net:用于稀疏视图CT图像重建的张量域多层反别名网络
Sungho Yun1, Seoyoung Lee1, Da-In Choi1
1Department of Nuclear and Quantum Engineering, Korea Advanced Institute of Science and Technology, Daejeon 34141, Republic of Korea.
Physics in medicine and biology
|October 31, 2024
概括
一个新的视图对视图反向投射 (VVBP) 张量域网络有效地消除了别名化文物,并增强了稀疏视图CT成像中的低对比度细节,优于传统的基于sinogram的方法.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 稀疏视图CT重建的深度学习方法通常使用sinogram升级网络.
- 基于Sinogram的网络在伪造文物和低对比度细节恢复方面遇到了困难.
研究的目的:
- 引入一个视图对视图反向投射 (VVBP) 张量域网络,以改善稀疏视图CT图像重建.
- 克服基于sinogram的深度学习方法的局限性.
主要方法:
- 使用 3D 张量域网络进行直接的文物定位,与 2D 协同图法不同.
- 在冠状和斜面张量平面中实现了多平面反模块.
- 包含基于数据真实性的精细化模块,用于图像清晰度和纹理恢复.
主要成果:
- 与最先进的sinogram网络相比,VVBP张量域网络展示了优越的文物删除和低对比度细节恢复.
- 在数字和临床预测数据上验证了性能.
- 稀疏视图CT中的Aliasing工件在张量平面中显示出不同的模式,从而实现有效的移除.
结论:
- 在高维张量表示中,视图对视图别名化文物是可以有效地移除的.
- 张量空间处理为删除文物提供了比sinogram-domain处理更好的概括.
更多相关视频
04:48Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
Published on: November 30, 2022
2.7K
02:09Multi-modal Pulmonary Imaging: Using Complementary Information from CT and Hyperpolarized 129Xe MRI to Evaluate Lung Structure-Function
Published on: April 12, 2024
535
