医学图像重建
文章平均质量分 93
通街市密人有
https://github.com/LinY-ct
展开
-
Deep Filtered Back Projection for CT Reconstruction
滤波反投影(FBP)是一种经典的计算机断层扫描(CT)重建解析算法,具有很高的计算效率。然而,用FBP重建的图像往往存在过多的噪声和伪影。原始的FBP算法使用窗函数平滑信号,并使用线性插值来估计非采样位置的投影值。在本研究中,我们提出了一个名为DeepFBP的新框架,其中通过神经网络学习优化的滤波器和优化的非线性插值算子。具体来说,学习到的滤波器可以看作是优化后的窗函数与斜坡滤波器的乘积,学习到的插值可以看作是通过非线性组合来优化利用附近位置投影信息的一种方法。原创 2024-07-06 17:58:37 · 476 阅读 · 0 评论 -
VVBP-Tensor in the FBP Algorithm: Its Properties and Application in Low-Dose CT Reconstruction
几十年来,商用X射线计算机断层扫描(CT)扫描仪一直使用滤波反投影(FBP)算法进行图像重建。然而,对低辐射剂量的渴望已经将FBP算法推向了极限。以往的研究通过对正弦图进行预处理、修改斜坡滤波器或对重建图像进行后处理来改善FBP的结果。本文主要对FBP算法中逐视图反向投影(VVBP-Tensor)进行分析和处理。我们分析的一个关键挑战在于每个反向投影切片的径向结构。为了克服这个困难,在VVBP-Tensor的z方向(投影视图的方向)引入了一个排序操作。原创 2024-01-30 14:19:42 · 982 阅读 · 0 评论 -
Fast and flexible X-ray tomography using the ASTRA toolbox
从一系列投影图像中重建物体,如在计算机断层扫描(CT)中,是许多不同应用领域的流行工具。现有的商业软件通常为最终用户提供足够精确和方便使用的重建工具。然而,在使用非标准采集协议或需要高级重建方法的应用中,标准软件工具通常无法计算准确的重建图像。本文介绍ASTRA工具箱。ASTRA工具箱针对多个层析成像应用领域的研究人员,为层析成像投影和重建提供了一套高效、高度灵活的开源工具。讨论了ASTRA工具箱的主要功能,并给出了几个用例。原创 2024-01-04 20:01:56 · 1571 阅读 · 0 评论 -
The ASTRA Toolbox: A platform for advanced algorithm development in electron tomography
我们提出ASTRA工具箱作为一个开放的平台,用于断层扫描中的三维图像重建。目前在电子断层扫描中使用的大多数软件工具在获取模型的几何参数和用于重建的算法方面提供有限的灵活性。ASTRA工具箱提供了一套广泛的快速灵活的构建模块,可用于开发高级重建算法,有效地消除了这些限制。我们通过一系列基于实验双轴倾斜序列的实验证明了这种灵活性,由此产生的重建质量和该工具箱的计算效率。原创 2023-12-26 19:06:36 · 1478 阅读 · 0 评论 -
Weighted Filtered Back-Projection for Source Translation Computed Tomography Reconstruction
微计算机断层扫描(micro-CT)是科学研究中提供基于衰减的高分辨率三维图像不可或缺的工具。然而,它目前可用的配置限制了可以成像的对象的大小。在此之前,我们提出了一种多源平移计算机断层扫描(mSTCT)成像几何来扩展micro-CT的视场(FOV),并开发了一种相应的重建算法,称为基于虚拟投影的滤波反投影(V-FBP)。当源被密集采样时,V-FBP实现高分辨率重建,但如果源被粗采样则失败。在本文中,为了在低源采样率下实现高分辨率重建,我们提出了一种全扫描多重STCT (F-mSTCT)扫描配置。原创 2023-12-19 15:27:25 · 937 阅读 · 0 评论 -
Arbitrarily large iterative tomographic reconstruction on multiple GPUs using the TIGRE toolbox
随着时间的推移,层析图像的大小一直在增加,而计算层析重建的GPU的内存大小也在增加,但它们的速度不够快,无法重建最大的数据集。这个问题通常是通过在大量GPU集群中重建数据来解决的,这些GPU集群中有足够的设备来适应测量的x射线投影和重建的体素。这通常需要数十个GPU,这是一个非常经济昂贵的解决方案。在该领域,使用设计用于仅使用一个或几个GPU进行重建的单节点机器更为常见,但目前的软件不允许迭代重建不适合这些GPU的体素。原创 2023-12-13 19:40:43 · 934 阅读 · 0 评论 -
TIGRE: a MATLAB-GPU toolbox for CBCT image reconstruction
本文介绍了基于层析迭代GPU的重建(TIGRE)工具箱,这是一个用于快速准确重建3D X射线图像的MATLAB/ CUDA工具箱。其中一个关键特征是实现了各种各样的迭代算法和FDK,包括SART族中的一系列算法,Krylov子空间族和使用全变分正则化的一系列方法。此外,该工具箱具有GPU加速投影和使用最新技术的反投影,并且它具有模块化设计,便于新算法的实现。我们概述了创建工具箱时使用的结构和技术,并提供了两个使用示例。TIGRE工具箱是在开源许可下发布的,鼓励人们做出贡献。原创 2023-12-13 15:20:53 · 2457 阅读 · 0 评论 -
OSCNet: Orientation-Shared Convolutional Network for CT Metal Artifact Learning
X射线计算机断层扫描(CT)已广泛应用于疾病诊断和图像引导干预的临床应用。然而,患者体内的金属总是在恢复的CT图像中造成不利的伪影。尽管在金属伪影还原(MAR)任务中获得了有希望的重建结果,但大多数现有的基于深度学习的方法都存在一些局限性。关键的问题是,这些方法中的大多数都没有充分利用这个特定MAR任务背后的重要原创 2023-11-14 18:00:48 · 399 阅读 · 0 评论 -
TT U-Net: Temporal T ransformer U-Net for Motion Artifact Reduction using PAD in Cardiac CT
心脏不自主运动仍然是心脏计算机断层扫描(CT)成像的一个挑战。虽然心电图门控策略被广泛应用于准静止心脏期的CT扫描,但对于心率高或节律不规律的患者,运动诱发的伪影仍然不可避免。动态心脏CT,提供心脏的功能信息,遭受更严重的运动伪影。在本文中,我们开发了一个基于深度学习的框架,用于动态心脏CT的运动伪影减少。首先,我们基于全心运动模型和单相心脏CT图像构建了PAD(伪全期临床数据集)。该数据集提供了动态CT图像,具有逼真的运动伪影,有助于开发数据驱动的方法。原创 2023-10-30 20:51:09 · 2782 阅读 · 1 评论 -
Unsupervised Medical Image Translation with Adversarial Diffusion Models
通过源-目标模态转换对缺失图像进行补全可以提高医学成像方案的多样性。利用生成对抗网络(GAN)进行一次映射是一种普遍的目标图像合成方法。然而,隐式表征图像分布的GAN模型可能会受到样本保真度的限制。本文提出了一种基于对抗扩散建模的新方法SynDiff,以提高医学图像翻译的性能。为了捕获图像分布的直接相关性,SynDiff利用条件扩散过程,逐步将噪声和源图像映射到目标图像上。为了在推理过程中快速准确地进行图像采样,在反向扩散方向上采用对抗投影进行大扩散步长。原创 2023-10-24 19:41:45 · 1049 阅读 · 1 评论 -
Contextual Error-Modulated Generalized Diffusion Model for Low-Dose CT Denoising and Generalization
由于光子不足伪影和电子噪声,低剂量计算机断层扫描(CT)图像受到噪声和伪影的影响。最近,一些研究尝试使用扩散模型来解决以前基于深度学习的去噪模型遇到的过度平滑和训练不稳定性问题。然而,扩散模型由于涉及大量采样步骤而导致推理时间长。近年来,cold diffusion 模型对经典扩散模型进行了推广,具有更大的灵活性。受cold diffusion 的启发,提出了一种新的用于低剂量CT (LDCT)去噪的上下文误差调制广义扩散模型,称为CoreDiff。原创 2023-10-17 16:58:24 · 708 阅读 · 0 评论 -
Improving 3D Imaging with Pre-Trained Perpendicular 2D Diffusion Models
扩散模型由于其众多的优点已经成为一种流行的图像生成和重建方法。然而,大多数基于扩散的逆问题解决方法只处理2D图像,甚至最近发表的3D方法也没有充分利用3D分布先验。为了解决这个问题,我们提出了一种新的方法,使用两个垂直的预训练二维扩散模型来解决三维逆问题。通过将三维数据分布建模为二维分布在不同方向上的切片的乘积,我们的方法有效地解决了维度灾难。实验结果表明,我们的方法对三维医学图像重建任务非常有效,包括MRI z轴超分辨率,压缩感知MRI和稀疏视图CT。我们的方法可以生成适合医疗应用的高质量体素体。原创 2023-09-14 20:50:32 · 619 阅读 · 1 评论 -
Metal Artefact Reduction with Unsupervised Domain Adaptation Regularization for Practical CT Images
基于监督深度学习的CT金属伪影还原(MAR)方法经常存在模拟训练数据集与实际应用数据集之间存在领域鸿沟的问题,即模拟训练的方法不能很好地泛化到实际数据中。无监督MAR方法可以直接在实际数据上进行训练,但它们使用间接度量来学习MAR,并且通常表现不令人满意。为了解决域间隙问题,提出了一种基于无监督域自适应(UDA)的MAR方法。具体而言,我们将UDA正则化损失引入到典型的图像域监督MAR方法中,该方法通过特征空间对齐来减轻模拟和实际工件之间的域差异。原创 2023-06-30 16:19:24 · 463 阅读 · 0 评论 -
Deep Interpretable Convolutional Dictionary Network for Metal Artifact Reduction in CT Images
计算机断层扫描(CT)图像经常受到患者体内金属植入物引起的不利伪影的影响,这将对随后的临床诊断和治疗产生不利影响。尽管现有的基于深度学习的方法在CT图像的金属伪影还原(MAR)方面取得了很好的成功,但大多数方法都将该任务视为一般的图像恢复问题,并利用现成的网络模块来增强图像质量。因此,这样的框架总是因为缺乏对特定任务的足够的模型可解释性而受苦。此外,现有的磁共振成像技术在很大程度上忽略了金属损伤CT图像的固有先验知识,这有利于磁共振成像性能的提高。原创 2023-06-30 15:46:42 · 671 阅读 · 1 评论 -
Downsampled Imaging Geometric Modeling for Accurate CT Reconstruction via Deep Learning
X射线计算机断层扫描(CT)在临床上被广泛用于通过使用穿透X射线重建活体的断层图像来诊断各种疾病。对于精确的CT图像重建,通常需要辐射衰减过程的精确成像几何模型来解决CT扫描的反演问题,该问题将受试者编码为不同角度位置的一组中间表示。在这里,我们表明,通过深度学习技术进行下采样成像几何建模,可以随后实现精确的CT图像重建。原创 2023-04-11 21:52:55 · 422 阅读 · 0 评论 -
CBCT-based synthetic CT generation using deep-attention cycleGAN for pancreatic adaptiveradiotherapy
胰腺癌是癌症相关死亡的主要原因之一,预后持续较差,5年总生存率(OS)为9%。虽然手术是最好的治疗选择,但大多数患者不能切除,因为他们要么表现为局部晚期胰腺癌(LAPC),要么表现为远处转移。在LAPC患者中,与传统放疗相比,立体定向体放疗(SBRT)在短疗程内采用高辐射剂量,已证明改善了局部区域控制,这可能转化为改善生存。然而,胰腺SBRT存在一些挑战,即在呼吸周期中可以观察到高达3厘米的胰腺运动4,并且在治疗过程中患者体重减轻相当常见。原创 2022-12-27 20:03:15 · 1468 阅读 · 0 评论 -
Solving 3D Inverse Problems using Pre-trained 2D Diffusion Models
扩散模型已成为具有高质量样本的新的艺术生成模型,具有模式覆盖和高灵活性等有趣的特性。它们也被证明是有效的逆问题求解器,充当分布的先验,而正演模型的信息可以在采样阶段获得。然而,由于生成过程保持在相同的高维(即,与数据维相同)空间中,由于极高的内存和计算成本,模型尚未扩展到三维逆问题。在本文中,我们将传统基于模型的迭代重建的思原创 2022-11-24 20:17:41 · 2499 阅读 · 1 评论 -
Diffusion Models for Medical Image Analysis A Comprehensive Survey
去噪扩散模型是一类生成模型,最近在各种深度学习问题中引起了极大的兴趣。扩散概率模型定义了前向扩散阶段,其中输入数据通过添加高斯噪声在几个步骤上被逐渐扰动。尽管扩散模型具有已知的计算负担,但其强大的模式覆盖率和生成的样本的质量被广泛赞赏。利用计算机视觉的进步,医学成像领域也观察到对扩散模型的兴趣越来越大。为了帮助研究者驾驭这一庞然大物,本次调查旨在全面概述医学图像分析学科中的扩散模型。原创 2022-11-21 22:08:42 · 4926 阅读 · 1 评论 -
Medical Diffusion - Denoising Diffusion Probabilistic Models for 3D Medical Image Generation
计算机视觉的最新进展已经在图像生成方面显示出有希望的结果。扩散概率模型尤其从文本输入中生成了真实的图像,如DALL-E 2、Imagen和Stable Diffusion所示。然而,它们在医学中的应用尚未得到系统评估,因为医学中的图像数据通常包括三维体积。合成图像可能在保护隐私的人工智能中起着至关重要的作用,也可以用于增强小数据集。这里我们展示了扩散概率模型可以合成高质量的医学成像数据,我们展示了磁共振图像(MRI)和计算机断层扫描(CT)图像。原创 2022-11-19 12:29:58 · 937 阅读 · 0 评论 -
Medical Diffusion - Denoising Diffusion Probabilistic Models for 3D Medical Image Generation
计算机视觉的最新进展已经在图像生成方面显示出有希望的结果。扩散概率模型尤其从文本输入中生成了真实的图像,如DALL-E 2、Imagen和Stable Diffusion所示。然而,它们在医学中的应用尚未得到系统评估,因为医学中的图像数据通常包括三维体积。合成图像可能在保护隐私的人工智能中起着至关重要的作用,也可以用于增强小数据集。这里我们展示了扩散概率模型可以合成高质量的医学成像数据,我们展示了磁共振图像(MRI)和计算机断层扫描(CT)图像。原创 2022-11-11 20:44:38 · 1826 阅读 · 0 评论 -
Score-based diffusion models for accelerated MRI
近年来,磁共振成像(MRI)的亚采样测量重建方法取得了很大进展。正则化重建方法利用手工制作的先验数据的稀疏性以及数据的一致性来得出解决方案(Donoho,2006),但先验的构造是十分重要的,并且没有一种方法能够正确地建模MRI扫描的实际复杂数据分布pdatap_{data}pdata。数据驱动的深度学习方法可以直接(Wang等人,2016)或间接(Oh等人,2020;Yaman等人,2020)训练模型,但这些方法严重依赖于精心策划的k空间数据大型数据库的监督,这很难获得。原创 2022-10-25 22:32:13 · 2580 阅读 · 6 评论