AAAIDec, 2020

XraySyn：基于 CT 先验的单张 X 光逼真视图合成

PDF
TL;DR该文介绍了一种基于 CT 投影算法的 X 光图像合成方法，可以在无须地面真值骨标记的情况下从真实的放射性照片中综合出新的视图。
radiographview synthesisctprojection algorithm3d anatomy
发现论文，激发创造
  • CT 扫描中的多视角 X 射线图像合成与多域解缠

    通过引入内容和风格的解耦技术以及姿态注意力模块，利用 CT2X-GAN 方法，该研究提出了一种学习式的端到端合成 X 射线图像的方法，从而改善合成质量并使其更接近真实的 X 射线图像。

    Apr, 2024

  • XProspeCT: 从成对 X 射线生成 CT 体积

    该研究论文通过使用更大的数据集和不同的模型结构，探索将正交 X 射线图像转换成模拟 CT 体积的方法，以解决 CT 扫描在辐射剂量和成本方面相对于 X 射线成像的问题。关键模型变化包括 UNet 架构、自定义连接、激活函数、损失函数、优化器和一种新颖的反投影方法。

    Feb, 2024

  • 使用逐渐增长的 GAN 生成的合成胸部 X 射线的临床逼真度评估

    提出了一种利用 GAN 进行胸部 X 光图像合成的方法，使用 Frechet Inception 距离量化合成图像的质量，并邀请放射学专家评估其临床真实性和多样性。

    Oct, 2020

  • 少数平面 X 射线的 CT 重建及其在低资源放疗中的应用

    通过使用先前数据分布，我们提出了一种方法，从少量（＜5）平面 X 射线观察中生成 CT 体积，并首次评估了该重建算法用于临床应用：放疗计划。

    Aug, 2023

  • X2CT-GAN: 用生成对抗网络从二平面 X 光线重建 CT

    使用生成对抗网络（GAN）框架从两个正交 X 射线重构 CT。所提出的特殊设计的生成器网络通过提供从 2D 到 3D 的数据维度增加，从而提高了医学成像技术。该方法不需要完整的旋转扫描并可以在低成本的 X 射线机上实现。在公开的胸部 CT 数据集上进行了广泛的实验评估，并获得较好的成果。

    May, 2019

  • 从表面几何学生成人体 X 射线合成图像

    这篇论文提出了一种新的框架，学习如何从身体表面预测人体解剖结构，并生成合成的 X 射线图像，从而克服医学领域中训练数据障碍，同时该框架也可用于图像修复和异常检测。

    May, 2018

  • MedSynV1：基于文本引导的解剖感知高保真度 3D CT 图像合成

    基于文本信息和解剖组成的方法生成基于文本提示的图像，并应用于多种下游任务。

    Oct, 2023

  • 通过 2D kV 图像合成病人特定的 3D CT 图像实现精确的病人对准，无需额外的成像剂量

    提出了使用双模型框架，通过层次化 ViT 模块从 kV 图像中实时重建准确的全尺寸 3D CT，以显著提高患者摆位精度并保持最小的成像剂量，同时维护治疗的准确性。

    Apr, 2024

  • XTransCT：使用转换网络通过两个正交 X 射线投影进行超快速体积 CT 重建

    本文提出了一种名为 XTransCT 的新型 Transformer 架构，可从二维 X 光图像中实时重建 CT 图像，该方法在图像质量、结构可靠性和普适性方面优于其他方法，并且可以在重建 3D 图像的同时实现约 300％的速度提高。

    May, 2023

  • X 射线：一种用于生成的序列 3D 表示

    通过借鉴 X 射线扫描的深度揭示能力，我们引入了一种创新的 3D 生成方法 X-Ray，它采用了一种新的序列表示方法，精确捕捉了物体的外部和内部特征。我们的方法的核心是利用源自相机视图的光线投射技术，详细记录了所有相交表面上遇到的几何和纹理细节。这个过程可以将完整的物体或场景高效地压缩成一个多帧格式，就像视频一样。这种结构确保了 3D 表示仅由关键表面信息组成。通过展示 X-Ray 表示法在合成 3D 物体方面的实用性和适应性，我们展示了类似于视频扩散模型中使用的网络架构的效用。结果表明，我们的表示法在提高 3D 合成的准确性和效率方面表现出优异性能，为该领域的持续研究和实际应用开辟了新的方向。

    Apr, 2024