Stereo X-ray tomography on deformed object tracking
本文扩展了立体X射线断层扫描方法,利用初始物体形状作为先验信息,在动态成像环境中3D跟踪基准标记的形变,实现了有噪声立体断层图像中的亚像素级跟踪精度。
2025-04-30 eess.IV
Fast Tomographic Alignment for Joint Ptychography and Tomography
联合重叠关联成像和断层成像(JPT)是最近开发的框架,其能够对相邻扫描位置处的探头重叠进行高分辨率重建,并具有显著放松的约束。在重叠关联X射线计算机层析成像(PXCT)实验中,扫描平移由高精度压电平台控制,而旋转平台的跳动误差通过对准相位恢复投影来校正。然而,这样的投影根据定义不可用于JPT,并且因此将需要样品的角度定位的精确知识,这受到硬件精度的限制。在这里,我们提出了一种方法,用于校正重叠关联层析成像数据相对于旋转轴的不对准,而不必检索单独的相位投影。这将促进JPT在提供快速数据高效的纳米层析成像实验中的开发和应用。
2020-02-18 eess.IV
X-ray tomography of extended objects: a comparison of data acquisition approaches
X射线的穿透力使人们能够对大物体成像。例如,厘米大小的标本可以成像微米级的分辨率使用同步辐射源。然而,在这种情况下,有限的光束直径和探测器尺寸妨碍了一次采集完整样本,因此需要组合来自多个区域的数据的策略。对象拼接涉及来自重叠区域的局部断层扫描数据的组合,而投影拼接涉及在从旋转轴的多个偏移位置处收集投影,然后进行数据合并和重建。我们比较这两种方法的辐射剂量施加到标本,重建图像质量。对象拼接涉及更简单的数据对齐问题,以及在获取整个数据集之前立即查看子区域。投影拼接是更有效的剂量,并避免局部断层扫描的某些伪影;然而,它也涉及更困难的数据组装和对齐过程,因为它对累积的配准误差更敏感。
2018-07-12 eess.IV
Deep Learning-based Low-dose Tomography Reconstruction with Hybrid-dose Measurements
同步辐射X射线计算机断层扫描技术是一种高空间分辨率的X射线断层扫描技术。然而,潜在的束损伤的样品往往限制了X射线曝光在层析成像实验。提出的消除光束损伤的策略也会降低重建质量。在这里,我们提出了一种基于深度学习的方法,通过由极稀疏视图正常剂量投影和全视图低剂量投影组成的混合剂量采集策略来增强低剂量断层扫描重建。从低/正常剂量投影中提取相应的图像对,以训练深度卷积神经网络,然后将其应用于增强全视图噪声低剂量投影。在不同的混合剂量采集条件下的两个实验数据集的评价显示显着改善的结构细节和降低噪声水平相比,均匀分布的收购具有相同数量的总剂量。由此产生的重建也保留更多的结构信息比重建处理与传统的分析和正则化为基础的迭代重建方法从统一的收购。我们的性能比较表明,我们的实现HDrec可以比最先进的Xlearn方法快410倍地对真实世界的实验数据进行去噪,同时提供更好的质量。该框架可以应用于其他断层扫描或扫描为基础的X射线成像技术,用于增强剂量敏感样品的分析,并具有很大的潜力,研究快速的动态过程。
2020-09-28 eess.IV
Opto-UNet: Optimized UNet for Segmentation of Varicose Veins in Optical Coherence Tomography
人体的静脉对于将血液从身体各部位输送到心脏很重要。人体静脉功能不正常可能由几种静脉疾病引起。静脉曲张是一种这样的疾病,其中可能发生血液回流,通常由于静脉结构的变化而导致静脉压力增加或血流受限。为了研究静脉曲张的功能特征,研究静脉的物理和生物力学特性至关重要。本文提出了一种分割模型Opto-UNet,用于分割静脉壁结构。光学相干断层扫描系统用于获取静脉曲张的图像。由于提取的静脉形状不均匀,因此需要适当的分割方法来分割静脉壁。Opto-UNet模型基于U-Net架构,其中一个新的块被集成到架构中,采用atrous和可分离卷积来提取空间宽范围和可分离的特征图,以获得高级性能。此外,深度可分离卷积通过优化参数的数量显著降低了网络的复杂性。该模型使用854万个参数,准确度为0.9830,灵敏度为0.8425,特异度为0.9980。这些结果表明,该模型是非常适当的分割静脉曲张壁,而不恶化分割质量以及降低复杂性
2023-03-20 cs.CV cs.LG eess.IV
AI-driven projection tomography with multicore fibre-optic cell rotation
Shanghai Artificial Intelligence Laboratory(上海人工智能实验室);TU Dresden(德累斯顿工业大学);Max Planck Institute for the Science of Light(马克斯·普朗克光科学研究所);Max Planck-Zentrum für Physik und Medizin(马克斯·普朗克物理与医学中心)
针对传统光学断层成像扫描范围有限、分辨率各向异性的问题,研究结合多芯光纤细胞旋转系统实现全角度成像,提出AI驱动的全自动断层重建工作流,经细胞体模和癌细胞验证有效,可推广至多类成像模态,助力细胞生物学研究与癌症早诊。
2023-12-12 cs.AI eess.IV physics.bio-ph
Two-Dimensional Tomographic Reconstruction From Projections With Unknown Angles and Unknown Spatial Shifts
Indian Institute of Technology Bombay(印度孟买理工学院)
本文提出了一种能够处理未知角度和未知空间位移的二维断层成像方法,通过改进现有算法并结合三向交替最小化算法,实现了更优的重建效果。
2025-12-22 eess.IV
Nonnegative Gaussian process tomography for generalized segmented planar detectors
将高斯过程层析成像的概念和非负约束应用于使用具有较少读出通道的分段平面探测器的高分辨率图像重建中,并将二维投影的概念扩展到条状读出分段、三维投影以及更广义的探测器分段和读出通道映射。一个重点放在重建剂量分布在质子治疗笔形束扫描,和一个快速的,近似的方法来应用非负约束的开发和动机用于质子治疗束成像。
2020-04-13 eess.IV physics.ins-det
SplineSplat: 3D Ray Tracing for Higher-Quality Tomography
Biomedical Imaging Group(生物医学成像组);Center for Imaging -- EPFL(成像中心 -- EPFL);Paul Scherrer Institute (PSI)(保罗·施特默研究所(PSI))
本文提出SplineSplat方法,结合带神经网络组件的3D光线追踪算法,高效计算移位B样条表示的3D体断层投影,在适定场景下重建质量优于传统体素方法。
2025-11-14 cs.CV eess.IV eess.SP
RESIRE: real space iterative reconstruction engine for Tomography
层析成像对不同领域产生了革命性的影响,从生物学、放射学、等离子体物理学中的宏观/介观尺度研究到材料科学中的3D原子结构表征。断层扫描的基本原理是从一组2D投影重建3D对象。为了解决层析成像问题,已经开发了许多算法。其中包括使用变换技术的方法,例如基于Radon变换的计算机断层扫描(CT)和基于傅里叶切片定理(FST)的广义傅里叶迭代重建(GENFIRE),以及使用梯度下降和代数技术的同步迭代重建技术(SIRT)和同步代数重建技术(SART)等直接法。本文将傅立叶切片定理和变分法相结合,提出了一种混合梯度下降算法来求解层析成像问题。通过使用模拟和实验数据,我们表明,国家的最先进的RESIRE可以产生更优越的结果比以前的方法,重建的对象具有更高的质量和更小的相对误差。更重要的是,RESIRE可以严格地处理部分遮挡投影,其中仅提供部分投影信息,而其他方法则失败。我们预计RESICE不仅将提高重建质量在所有现有的层析成像应用,但也扩大层析成像方法的功能薄膜的广泛类别。我们希望RESICE能在不同的学科中找到广泛的应用。
2020-04-25 eess.IV math.OC
Learning image from projection: a full-automatic reconstruction (FAR) net for sparse-views computed tomography
稀疏视角的X射线计算机断层成像(CT)在医学诊断和工业无损检测中是必不可少的。然而,特别地,当采样不足时,重建图像通常遭受复杂的伪影和噪声。为了解决这一问题,提出了一种基于深度学习技术的全自动重建(FAR)网络。与深度学习重建中的通常网络不同,所提出的神经网络是一个端到端网络,通过它可以直接从投影数据预测图像。这种FAR网络的主要挑战是全连接(FC)网络中CT重建的空间复杂性。对于尺寸为$N \times N$的CT图像,用于图像重建的存储器空间的典型要求是$O(N^{4})$,这对于常规计算设备(例如GPU工作站)是不可接受的。在本文中,我们利用一系列较小的FC层来取代巨大的基于稀疏非负矩阵分解(SNMF)理论。通过应用这种方法,FAR网络能够在一个工作站上重建尺寸为$512\times 512$的稀疏视图CT图像。此外,在FAR网络中加入Res-Unet结构,以抑制欠采样数据引起的伪影和噪声。数值实验结果表明,投影矩阵和FAR网络是能够从稀疏视图的投影数据重建的CT图像具有优于传统的方法,如FBP和优化的方法。同时,对逆投影矩阵的因式分解进行了数值验证。
2019-10-07 eess.IV physics.med-ph
Deep learning based projection domain metal segmentation for metal artifact reduction in cone beam computed tomography
Aalto University(阿尔托大学);Planmeca Oy(普兰梅卡公司)
针对CBCT金属伪影减少中投影金属分割标注难的问题,提出用X射线模拟生成合成训练数据,结合全尺寸与裁剪投影训练模型,提升了鲁棒性与图像质量,可集成到现有MAR流程。
2023-10-09 cs.CV eess.IV
Primal-Dual UNet for Sparse View Cone Beam Computed Tomography Volume Reconstruction
University of Magdeburg(马格德堡大学)
在本文中,原始-双重UNet稀疏视图CT重建修改适用于锥束投影和执行重建的整个体积,而不是切片。实验结果表明,在仅使用23个投影的情况下,该方法的PSNR比直接FDK重建提高了10 dB,比改进的原始-对偶网络提高了近3dB。所提出的网络不是优化的wrt。存储器消耗或超参数,而仅仅用作概念的证明,并且限于低分辨率投影和体积。
2022-05-11 cs.CV cs.LG eess.IV
Neural Modulation Fields for Conditional Cone Beam Neural Tomography
University of Amsterdam(阿姆斯特丹大学);Netherlands Cancer Institute(荷兰癌症研究所)
本文提出神经调制场(NMF)及条件式锥束神经断层成像框架 CondCBNT,通过在投影数据集上训练单一条件式神经场并建模患者特异性局部调制,提升少投影、多投影及含噪 CBCT 重建性能。
2023-07-17 cs.CV eess.IV
CT Data of a Pen-Spring: Application to Under-Sampled Dynamic X-ray Tomography
这是弹簧笔的计算机断层成像(CT)数据的文档。开放数据集可在https://zenodo.org/record/3266936#.XRyMdCZS9oA上获得,可自由用于科学目的,并适当引用数据和arxiv. org中的本文件。提供的数据集包括来自弹簧不同高度的单个2D切片的X射线正弦图({ \tt finalSino})。使用扇形射束几何结构,通过下采样和采集正弦曲线,从测量的10投影或100投影{ \tt正弦图}获得{ \tt finalSino}。数据集还包括那些原始测量的{ \tt正弦图}和相应的测量矩阵。
2019-07-03 eess.IV physics.med-ph
Intensity Field Decomposition for Tissue-Guided Neural Tomography
School of Stomatology, Wuhan University(武汉大学口腔医学院);School of Computer Science, Wuhan University(武汉大学计算机学院);School of Automation Science and Engineering, South China University of Technology(华南理工大学自动化科学与工程学院);Pazhou Laboratory(琶洲实验室)
针对稀疏视图CBCT重建图像质量不佳的问题,提出组织引导神经断层成像方法TNT,通过异构四分支网络分解软硬组织成分及纹理并结合组织投影引导训练,在10-60个投影下显著提升重建效果,性能媲美SOTA方法且收敛更快。
2024-11-01 cs.CV eess.IV
Encoding Metal Mask Projection for Metal Artifact Reduction in Computed Tomography
Z 2 Sky Technologies Inc.(Z 2 Sky科技公司);Adobe(奥多比公司);University of Rochester(罗切斯特大学);Beijing United Family Hospital(北京和睦家医院);Peking Union Medical College Hospital(北京协和医院);Institute of Computing Technology, Chinese Academy of Sciences(中国科学院计算技术研究所);Peng Cheng Laboratory(鹏城实验室)
计算机断层扫描(CT)中的金属伪影减少(MAR)是一项极具挑战性的任务,因为伪影在图像域中是结构化的和非局部的。然而,它们在正弦图域中固有地是局部的。因此,MAR的一种可能方法是通过学习减少正弦图中的伪影来利用后一特性。然而,如果我们直接将正弦图中的金属影响区域视为缺失,并用神经网络生成的替代数据替换它们,则伪影减少的CT图像往往会过度平滑和失真,因为金属影响区域内的细粒度细节被完全忽略。在这项工作中,我们提供了分析调查的问题,并提出解决这个问题(1)保留金属影响的区域,在正弦图和(2)取代二值化的金属轨迹与金属掩模投影,使金属植入物的几何信息编码。在模拟数据集上进行的大量实验和对临床图像的专家评估表明,我们的新型网络比最先进的方法产生了在解剖学上更精确的伪影减少图像,特别是当金属物体很大时。
2020-07-19 cs.CV eess.IV
Self-Supervised Coordinate Projection Network for Sparse-View Computed Tomography
ShanghaiTech University(上海科技大学);Shanghai Advanced Research Institute, Chinese Academy of Sciences(中国科学院上海高等研究院);University of Chinese Academy of Sciences(中国科学院大学);Shanghai Jiao Tong University(上海交通大学)
本文提出自监督坐标投影网络SCOPE,通过INR约束和重投影生成密集视角正弦图,显著提升稀疏视角CT重建质量并加速训练。
2023-08-11 cs.CV cs.LG eess.IV
Simulation of Muon Tomography Projections to Image the Pyramids of Giza
本文通过几何模拟评估双平面 muon 探测器对吉萨大金字塔成像的能力,证明相邻两侧移动双探测器可覆盖足够 sinogram 空间并实现约 3 m 中心分辨率。
2024-02-27 eess.IV physics.med-ph
Real-Time Tilt Undersampling Optimization during Electron Tomography of Beam Sensitive Samples using Golden Ratio Scanning and RECAST3D
提出结合黄金比例扫描和准3D重建的方案,在单次采集中实时估计最佳投影数量,以同时减少电子断层扫描中束流敏感样品的损伤和欠采样伪影。
2023-04-01 cs.CE eess.IV physics.comp-ph
BMD-GAN: Bone mineral density estimation using x-ray image decomposition into projections of bone-segmented quantitative computed tomography using hierarchical learning
Nara Institute of Science and Technology(奈良先端科学技术大学院大学);Osaka University Graduate School of Medicine(大阪大学大学院医学系研究科);Ehime University Graduate School of Medicine(爱媛大学大学院医学系研究科)
我们提出了一种方法来估计骨密度(BMD)从一个普通的X射线图像。双能X线骨密度仪(DXA)和定量计算机断层扫描(QCT)在诊断骨质疏松症方面具有很高的准确性;然而,这些方法需要特殊的设备和扫描方案。从X射线图像测量BMD提供了一种机会性筛查,这对早期诊断可能有用。由于X射线图像中的大强度变化,直接学习X射线图像和BMD之间的关系的先前方法需要大的训练数据集来实现高精度。因此,我们提出了一种使用QCT来训练生成对抗网络(GAN)并将X射线图像分解为骨分割QCT的投影的方法。提出的分层学习提高了小面积目标定量分解的鲁棒性和准确性。使用我们命名为BMD-GAN的方法对200例骨关节炎患者进行评估,结果表明预测值和地面真实DXA测量的BMD之间的Pearson相关系数为0.888。除了不需要大规模的训练数据库之外,我们的方法的另一个优点是它可以扩展到其他解剖区域,例如椎骨和肋骨。
2022-07-07 cs.CV eess.IV
Masked Sinogram Model with Transformer for ill-Posed Computed Tomography Reconstruction: a Preliminary Study
Argonne National Laboratory(阿贡国家实验室)
计算机断层扫描(CT)是一种成像技术,其中以不同角度收集有关对象的信息(称为投影或扫描)。然后,通过求解逆问题来产生示出切片的内部结构的横截面图像。由于受到辐射剂量、投影角度等因素的限制,所产生的图像可能存在噪声或包含伪影。受自然语言处理Transformer成功的启发,本初步研究的核心思想是将断层扫描的投影视为单词标记,并将横截面的整个扫描(A.K.A. sinogram)作为自然语言处理上下文中的句子。然后,我们通过训练掩蔽的正弦图模型(MSM)和微调MSM来探索基础模型的想法,以用于各种下游应用,包括在数据收集限制下的CT重建(例如,光子预算)和用于CT重建的逆问题的近似解的数据驱动解。本研究中使用的模型和数据可在https://github.com/lzhengchun/TomoTx上获得。
2022-09-03 cs.CV cs.LG eess.IV
A Reference Architecture for Plausible Threat Image Projection (TIP) Within 3D X-ray Computed Tomography Volumes
Durham University(杜伦大学);Cranfield University(克兰菲尔德大学)
威胁图像投影(TIP)是一种用于X射线安全行李筛查系统的技术,其以合理且真实的方式将威胁对象签名叠加到良性X射线行李图像上。它已被证明在评估人类操作员的持续表现,提高他们的警惕性和威胁检测性能方面非常有效。然而,随着3D计算机断层扫描(CT)在航空安全中用于货舱和机舱行李筛查的使用越来越多,由于3D CT体积分割和正确插入位置确定的困难,在将TIP扩展到3D CT体积方面出现了重大挑战。在本文中,我们提出了一种方法,三维TIP在CT体积目标现实和似是而非的威胁物体插入三维CT行李图像。该方法包括双重威胁(源)和行李(目标)体积分割,粒子群优化的插入确定和金属伪影生成。此外,我们提出了一个TIP质量分数度量来评估生成的TIP卷的质量。对真实3D CT行李图像的定性评估表明,我们的方法能够生成真实且合理的TIP,这些TIP与真实CT体积难以区分,并且TIP质量评分与人类评估一致。
2020-01-15 cs.CR cs.CV cs.LG
Constrained Non-Linear Phase Retrieval for Single Distance X-ray Phase Contrast Tomography
X射线相衬层析成像(XPCT)广泛用于X射线吸收指数对比度弱而折射率衰减对比度强的物体的三维成像。为了重建使用XPCT成像的对象,首先使用相位恢复算法来估计X射线相位投影,其是每个视图处的折射率递减的2D投影。相位恢复之后是使用诸如滤波反投影(FBP)的算法从相位投影进行折射率递减重建。在实践中,相位恢复最常见的解决方法是将其近似为线性逆问题。然而,当违反近似的条件时,这种线性近似经常导致伪像和模糊。在本文中,我们制定相位恢复作为一个非线性逆问题,我们解决的传输函数,这是负指数的投影,从XPCT测量。我们使用一个约束,以强制执行相位和吸收投影之间的比例。我们不使用限制,如大菲涅耳数,缓慢变化的相位,或玻恩/Rytov近似。我们的方法也不需要任何正则化参数调整,因为没有显式的稀疏性强制正则化函数。我们验证我们的非线性相位恢复(NLPR)方法使用模拟和真实的同步加速器数据集的性能。我们比较NLPR与流行的线性相位恢复(LPR)的方法,并表明NLPR实现更清晰的重建具有更高的定量精度。
2020-09-22 cs.NA eess.IV math.NA
End-to-End Deep Learning for Interior Tomography with Low-Dose X-ray CT
Harvard Medical School(哈佛医学院);Massachusetts General Hospital(麻省总医院)
针对低剂量ROI CT中噪声与截断伪影耦合的问题,提出双域CNN端到端学习框架,通过图像域降噪与投影域外推解耦求解,性能优于传统图像域方法。
2025-01-09 cs.CV cs.LG eess.IV
Pixel-weighted Multi-pose Fusion for Metal Artifact Reduction in X-ray Computed Tomography
本文提出像素加权多姿态融合方法,利用多智能体共识均衡框架整合不同姿态投影数据,以像素加权方式融合输出,显著减少X射线CT中的金属伪影。
2024-06-25 eess.IV
Field of View Extension in Computed Tomography Using Deep Learning Prior
Friedrich-Alexander-University Erlangen-Nuremberg(埃尔朗根-纽伦堡弗里德里希-亚历山大大学)
在计算机断层扫描(CT)中,数据截断是一个常见的问题。通过标准滤波反投影算法从截断数据重建的图像在视场(FOV)内遭受杯状伪影,而解剖结构在FOV外严重失真或缺失。深度学习,特别是U-Net,已被应用于扩展FOV作为后处理方法。由于图像到图像预测忽略了对测量的投影数据的数据保真度,因此即使在FOV内,也可能通过这种方法重建不正确的结构。因此,直接从后处理神经网络生成重建图像是不够的。在这项工作中,我们提出了一种数据一致性重建方法,该方法利用深度学习重建作为外推截断投影的先验知识,并使用传统的迭代重建来约束重建与测量的原始数据一致。在我们的研究中证明了其有效性,在FOV内实现了24 HU的小平均均方根误差,并且在测试患者的CT数据上对整个身体区域实现了0.993的高结构相似性指数。
2019-12-09 cs.CV eess.IV physics.med-ph
Learning Robust Features for Scatter Removal and Reconstruction in Dynamic ICF X-Ray Tomography
Michigan State University(密歇根州立大学);Los Alamos National Laboratory(洛斯阿拉莫斯国家实验室)
本文提出了一种基于深度学习的编码器-解码器框架,用于在动态ICFX射线断层成像中去除散射并提高密度重建的准确性。
2025-06-09 eess.IV
A Convex Formulation for Binary Tomography
二值层析成像涉及从它们的几个投影中恢复二值图像(即,沿着各个方向的像素值的总和)。为了从噪声投影数据重建图像,可以将其视为约束最小二乘问题。由于约束是非凸的,许多解决它的方法要么依赖于放松约束,要么依赖于算法。在本文中,我们提出了一种新的凸公式,基于拉格朗日对偶的约束最小二乘问题。由此产生的问题是一个广义的LASSO问题,可以有效地解决。这是一种放松,因为它只能保证给出一个可行的解决方案,而不一定是最优的。然而,在对小图像(2x2,3x3,4x4)的穷举实验中,我们发现,如果问题有唯一的解决方案,我们的对偶方法会找到它。在多个解决方案的情况下,我们的方法会找到解决方案之间的共性。在真实数值模型和X射线数据集上的实验表明,该方法优于全变分和DART。
2020-12-15 cs.CE eess.IV eess.SP
Imaging on the Edge: Mapping Object Corners and Edges with Stereo X-ray Tomography
本文提出一种仅需两幅X射线投影的立体成像方法,实现物体角点3D映射,并利用合成数据替代真实数据训练模型,解决了动态过程高时间分辨率成像难题。
2025-04-29 eess.IV
MarmoNet: a pipeline for automated projection mapping of the common marmoset brain from whole-brain serial two-photon tomography
RIKEN Center for Brain Science(理化学研究所脑科学中心);Keio University School of Medicine(庆应义塾大学医学院);Okinawa Institute of Science and Technology(冲绳科学技术大学院大学);Kyoto University(京都大学);Janelia Farm Research Campus(珍妮莉亚农场研究园区)
了解大脑中的连通性是了解大脑如何处理信息的重要前提。在Brain/MINDS项目中,对绒猴大脑的连接性研究使用轴突投射的双光子显微镜荧光图像,以介观尺度从定义的大脑区域收集神经元连接性。图像的处理需要轴突示踪剂信号的检测和分割。目标是检测尽可能多的示踪剂信号,同时不将其他背景结构误分类为信号。这可能是具有挑战性的,因为成像噪声、杂乱的图像背景、失真或变化的图像对比度会导致问题。我们正在开发MarmoNet,这是一个处理和分析普通绒猴大脑示踪图像数据的管道。该管道采用了基于人工卷积神经网络(CNN)和图像配准技术的最先进的机器学习技术,以稳健的方式提取和映射所有相关信息。流水线以完全自动化的方式处理新图像。本报告介绍了管道示踪剂信号分析部分的现状。
2019-08-02 cs.LG eess.IV q-bio.NC
Bone mineral density estimation from a plain X-ray image by learning decomposition into projections of bone-segmented computed tomography
Nara Institute of Science and Technology(奈良先端科学技术大学院大学);CentraleSupélec(巴黎中央理工-高等电力学院);Université Paris-Saclay(巴黎萨克雷大学);Inria(法国国家信息与自动化研究所);Osaka University Graduate School of Medicine(大阪大学医学研究生院);Ehime University Graduate School of Medicine(爱媛大学医学研究生院)
本研究针对现有骨密度估计方法需大量训练数据、依赖专用设备的问题,提出从普通X射线图像学习分解为骨分割QCT投影的高效方法,在有限数据集下实现高精度骨密度估计,并开展多场景验证推进临床应用。
2023-07-21 cs.CV eess.IV
Accelerated FBP for computed tomography image reconstruction
IITP RAS (Kharkevich Institute)(俄罗斯科学院信息传输问题研究所(哈尔凯维奇研究所));Smart Engines Service LLC(智能引擎服务有限责任公司);FSRC "Crystallography and Photonics"(联邦科学研究中心“晶体学与光子学”)
滤波反投影(FBP)是断层摄影图像重建中的常用技术,其显示出可接受的质量。该算法的经典直接实现需要执行$Θ(N^3)$操作,其中$N$是2D切片的线性大小。最近的方法,包括通过傅立叶切片定理重建需要$Θ(N^2\log N)$乘法运算。在本文中,我们提出了一种新的方法,降低了算法的计算复杂度,$Θ(N^2\log N)$除了操作,避免傅立叶空间。为了加速卷积,斜坡滤波器近似为一对因果和反因果递归滤波器,也称为无限脉冲响应滤波器。利用快速离散Hough变换进行反投影。模拟数据的实验结果证明了所提出方法的有效性。
2020-07-13 cs.CV eess.IV
Noise analysis, error estimates, and Gamma Radiation Measurement for limited detector computerized tomography application
计算机断层扫描技术是无损检测的有效手段之一。各种因素影响CT重建结果,包括有限的投影数据、探测器电子优化、背景噪声、探测噪声、投影数据的离散化性质等等。影响操作设置的辐射硬化和其他老化因素可能需要重新校准电子参数。利用两个著名的练习的动机,以提高逆恢复的可靠性和准确性。第一个练习蛮力的最佳候选人从一组校准方法中的最小误差逆恢复。第二个练习,坎普尔定理-1(KT-1)检查最佳校准是否将电子设备设置为产生最小噪声。利用γ辐射测量首次证明了基于黎曼积分变换的KT-1与基于几何学的CLT之间的一致性。分析表明,正态分布的测量数据在逆恢复中的噪声最小。
2022-05-16 eess.IV physics.data-an physics.ins-det
A Two-Step Framework for Multi-Material Decomposition of Dual Energy Computed Tomography from Projection Domain
本文提出两阶段框架rFast-MMDNet,在投影域以非递归方式处理原始投影数据,实现乳腺组织多材料分解,在精度和效率上优于图像域方法及Triple-CBCT。
2023-10-31 eess.IV physics.med-ph
OCTA-500: A Retinal Dataset for Optical Coherence Tomography Angiography Study
Nanjing University of Science and Technology(南京理工大学)
光学相干断层扫描血管造影(OCTA)是一种新型的成像方式,已被广泛用于眼科和神经科学研究,以观察视网膜血管和微血管系统。然而,公开可用的OCTA数据集仍然很少。在本文中,我们介绍了最大和最全面的OCTA数据集被称为OCTA-500,其中包含来自500名受试者的两个视场(FOV)下的OCTA成像。该数据集提供了丰富的图像和注释,包括两种模式(OCT/OCTA体积),六种类型的投影,四种类型的文本标签(年龄/性别/眼睛/疾病)和七种类型的分割标签(大血管/毛细血管/动脉/静脉/2D FAZ/3D FAZ/视网膜层)。然后,我们提出了一个多目标分割任务CAVF,它集成了毛细血管分割,动脉分割,静脉分割,FAZ分割在一个统一的框架下。此外,我们将3D到2D图像投影网络(IPN)优化为IPN-V2,以作为分割基线之一。实验结果表明,IPN-V2在CAVF任务上比IPN实现了约10%的mIoU改进。最后,我们进一步研究了几个数据集特征的影响:训练集大小,模型输入(OCT/OCTA,3D体积/2D投影),基线网络和疾病。数据集和代码可在https://ieee-dataport.org/open-access/octa-500上公开获得。
2022-12-25 cs.CV eess.IV
Deep learning for Gaussian process tomography model selection using the ASDEX Upgrade SXR system
高斯过程层析成像(GPT)是一种用于获得托卡马克中等离子体发射率分布的实时层析重建的方法,给出了所涉及的潜在物理过程的一些模型。由于贝叶斯形式主义,GPT也可以用于执行模型选择-即,比较不同的模型,选择证据最多的模型。然而,对于高维数据,这个特定步骤中涉及的计算可能会变得很慢,特别是在比较许多不同模型的证据时。使用ASDEX升级软X射线(SXR)诊断收集的测量值,我们训练卷积神经网络(CNN)将SXR断层投影映射到证据最高的相应GPT模型。然后,我们将网络的结果以及计算它们所需的时间与通过分析贝叶斯形式主义获得的结果进行比较。此外,我们使用网络的分类产生层析重建的等离子体发射率分布,其质量,我们通过比较其投影到测量空间与现有的测量本身进行评估。
2020-04-14 eess.IV physics.data-an
Generative Adversarial Network-Based Sinogram Super-Resolution for Computed Tomography Imaging
与传统的计算机断层成像(CT)图像重建中投影的1*1采集模式相比,2*2采集模式提高了投影的采集效率,减少了X射线曝光时间。然而,基于2*2采集模式的采集投影具有低分辨率(LR)并且重建图像质量差,从而限制了该模式在CT成像系统中的使用。在这项研究中,提出了一种新的正弦图-超分辨率生成对抗网络(SSR-GAN)模型,用于从LR正弦图获得高分辨率(HR)正弦图,从而提高2*2采集模式下的重建图像质量。该生成器基于残差网络进行LR正弦图特征提取和超分辨率(SR)正弦图生成。一个相对论性的正弦图的设计,使网络能够获得更真实的SR正弦图。此外,我们在总损失函数中结合了周期一致性损失、正弦图域损失和重建图像域损失来监督SR正弦图的生成。然后,可以通过将成对的LR/HR正弦图输入到网络中来获得训练模型。最后,经典的FBP重建算法用于CT图像重建的基础上产生的SR正弦图。数字和实际数据的定性和定量评价结果表明,该模型不仅可以从噪声LR正弦图中获得干净的SR正弦图,而且优于其同行。
2020-08-06 eess.IV physics.med-ph
Megahertz X-ray Multi-projection imaging
提出兆赫兹X射线多投影成像(MHz-XMPI)技术,无需样品旋转即可在MHz速率和微米分辨率下记录体积信息,实现比现有技术快三个数量级的4D动力学探测。
2023-05-19 eess.IV physics.optics
3D unsupervised anomaly detection and localization through virtual multi-view projection and reconstruction: Clinical validation on low-dose chest computed tomography
Samsung Medical Center(三星医疗中心);Sungkyunkwan University School of Medicine(成均馆大学医学院);Sungkyunkwan University(成均馆大学)
基于深度学习的低剂量计算机断层扫描(CT)的计算机辅助诊断由于其高精度和低辐射暴露,最近作为一线自动测试工具引起了人们的关注。然而,现有的方法依赖于监督学习,给医生带来了额外的负担,需要收集疾病数据或注释空间标签以进行网络训练,从而阻碍了它们的实施。我们提出了一种基于深度神经网络的计算机辅助诊断方法,称为虚拟多视图投影和重建,用于无监督的异常检测。据推测,这是第一种只需要来自健康患者的数据进行训练以识别包含任何异常的三维(3D)区域的方法。该方法有三个关键组成部分。与使用传统CT切片作为网络输入的现有计算机辅助诊断工具不同,我们的方法1)通过虚拟投影提取的3D肺区域以从不同视图获得二维(2D)图像以用作网络输入来改进3D肺结构的识别,2)适应用于准确异常检测的输入多样性增益,以及3)通过使用多个2D异常图的新的3D图恢复方法实现3D异常/疾病定位。与基于监督学习的金标准(曲线下面积,0.848)相比,所提出的基于非监督学习的方法将患者级异常检测提高了10%(曲线下面积,0.959),并且以93%的准确率定位异常区域,证明了其高性能。
2022-06-18 cs.CV cs.LG eess.IV
SparseAlign: A Super-Resolution Algorithm for Automatic Marker Localization and Deformation Estimation in Cryo-Electron Tomography
Centrum Wiskunde & Informatica(荷兰国家数学与计算机科学研究中心);Leiden University(莱顿大学);Thermo Fisher Scientific(赛默飞世尔科技);Leiden Institute of Advanced Computer Science(莱顿高级计算机科学研究院)
倾斜序列对准是获得高分辨率重建在冷冻电子断层扫描中的关键。光束引起的样品局部变形很难单独从低对比度样品中估计,并且通常需要基准金珠标记。用于变形估计的最新方法使用投影数据中的(半)手动标记的标记位置来拟合多项式变形模型的参数。当数据有噪声或标记在投影数据中重叠时,难以获得手动标记的标记位置。我们提出了一种替代的数学方法,通过扩展首次提出的单分子定位显微镜的背景下,无网格的超分辨率算法,同时标记定位和变形估计。我们的方法不需要标记的标记位置;相反,我们使用基于图像的损失,将标记的前向投影与观察到的数据进行比较。我们配备了一个额外的变形估计组件,并解决了变形参数的数量减少,这个标记定位方案。通过对仅标记样本的广泛数值研究,我们表明,我们的方法可以自动找到标记,并可靠地估计样本变形,而无需标记数据。我们进一步证明了我们的方法适用于广泛的模型失配的情况下,包括实验电子断层扫描数据的黄金标记在冰上。
2022-01-21 cs.CV cs.NA eess.IV
Distributed optimization for nonrigid nano-tomography
Argonne National Laboratory(阿贡国家实验室);Technical University of Denmark(丹麦技术大学)
纳米计算机断层扫描(nano-CT)的分辨率水平和重建质量部分地受到显微镜的稳定性的限制,因为扫描期间的机械振动的幅度变得与成像分辨率相当,并且样品在数据采集期间抵抗光束损伤的能力。在这种情况下,没有激励在不同的时间步长恢复样本状态,如在时间分辨重建方法中,而是相反,目标是以最高可能的空间分辨率检索单个重建,并且没有任何成像伪影。在这里,我们提出了一个联合求解器在纳米尺度上的投影对齐,unwarping和正则化的成像样品。通过Farneback算法估计的密集光流调节投影数据的一致性,从而导致具有较少伪影的尖锐样本重建。合成数据测试表明,该方法对泊松和低频背景噪声具有鲁棒性。两个大规模的纳米成像实验数据集的方法的适用性证明。
2021-02-28 cs.CE cs.CV eess.IV
A Self-Supervised Approach to Reconstruction in Sparse X-Ray Computed Tomography
Swarthmore College(斯沃斯莫尔学院);Lawrence Berkeley National Laboratory(劳伦斯伯克利国家实验室);National Renewable Energy Laboratory(国家可再生能源实验室)
计算机断层扫描推动了从生物学到材料科学等领域的科学进步。该技术允许通过相对于射束以不同旋转穿过对象的X射线的衰减来阐明三维内部结构。通过对2维投影成像,可以通过计算算法重建3维对象。在更大数量的旋转角度下成像允许改进的重建。然而,进行更多的测量会增加X射线剂量,并可能导致样品损坏。深度神经网络已被用于通过在已知相似对象的数据集上训练来将稀疏2-D投影测量变换为3-D重建。然而,为训练数据集获得高质量的对象重建需要高X射线剂量测量,这可能在成像完成之前破坏或改变标本。这就变成了一个先有鸡还是先有蛋的问题:没有深度学习就无法生成高质量的重建,而没有重建就无法学习深度神经网络。这项工作开发并验证了一种自监督概率深度学习技术,即物理信息变分自编码器,以解决这个问题。仅由来自每个对象的稀疏投影测量组成的数据集用于联合重建集合的所有对象。这种方法有可能允许可视化的脆弱的样品与X射线计算机断层扫描。我们在https://github.com/vganapati/CT_PVAE上发布了用于复制结果的代码。
2022-10-30 cs.CV eess.IV physics.data-an
Motion Detection in Diffraction Tomography by Common Circle Methods
本文针对光学衍射层析成像中的刚性运动检测问题,提出两种基于傅里叶数据中共圆检测的方法,并通过球极投影将其转化为不限于过原点的共线方法,实现相对取向的完整重建。
2023-05-08 cs.NA eess.IV math.NA
A Data-Driven Reconstruction Technique based on Newton's Method for Emission Tomography
University of Luxembourg(卢森堡大学)
在这项工作中,我们提出了深度牛顿重建网络(DNR网络),一种混合数据驱动的发射断层扫描重建技术的灵感来自牛顿的方法,一个著名的迭代优化算法。DNR网络采用投影算子提供的关于断层摄影问题的先验信息,同时利用深度学习方法来a)通过近似牛顿下降方向来模仿牛顿方法,以及b)提供数据驱动的正则化。我们证明,DNR网络是能够提供高质量的图像重建使用SPECT体模模拟的数据,通过应用它来重建图像从嘈杂的正弦图,每一个包含24个投影。采用结构相似性指数(SSIM)和对比噪声比(CNR)对图像质量进行量化。我们还比较了我们的结果,通过OSEM方法获得的结果。根据定量结果,DNR-Net产生的重建与OSEM产生的重建相当,同时具有更高的对比度和更少的噪声。
2021-10-19 cs.AI cs.CV cs.LG