Jul, 2023

基于神经表示的方法用于牙科 CBCT 影像中金属引起的伪影降低

PDF
TL;DR本研究提出了一种新颖的牙科锥形束计算机断层扫描重建方法，旨在有效减少常见金属植入物引起的伪影。通过使用隐式神经网络生成两张不同的信息性层面的断层图像，一张图像代表特定能量水平上的单色衰减分布，而另一张图像则捕捉了由多色 X 射线束的非线性光束硬化因素引起的影响。与现有的计算机断层扫描重建方法相比，该方法仅依赖于比尔 - 朗伯定律，在背投影过程中有效地防止了金属引起的伪影的产生。广泛的实验评估表明，该方法有效地减少了金属伪影同时提供了高质量的图像重建结果，凸显了第二张图像在捕捉非线性光束硬化因素方面的重要性。
dental cone-beam computed tomographymetal-induced artifactsimplicit neural networkmonochromatic attenuation distributionnonlinear beam-hardening factor
发现论文，激发创造
  • 无监督多色彩神经表示在 CT 金属伪影降低中的应用

    本文提出了一种基于多色谱的神经表示方法 (Polyner)，可在人体内存在金属植入物的情况下应对 CT 成像中的金属伪影，达到与有监督方法相媲美或优于有监督方法的成果。

    Jun, 2023

  • 深度学习中的 3D 和 4D 锥束计算机断层扫描图像中的伪影抑制 — 评述

    使用基于深度学习的方法改善锥束计算机断层摄影（CBCT）图像质量的研究中，通过综述各类 CBCT 图像的伪影问题的成功和不足，重点放在伪影类型而非神经网络结构上，以综合评估各类伪影的数据生成、模拟流程和伪影降低技术，并概述了在 3D 和 4D CBCT 中通过投影域和 / 或体域优化以及将神经网络直接引入 CBCT 重建算法而成功降低伪影的深度学习技术，同时指出研究的空白为未来的探索提供了方向，发现使用了生成模型包括 GANs 和基于分数或扩散模型，并呼吁拥有更多多样化和开放的训练数据集和模拟数据。

    Mar, 2024

  • MARformer：一种用于牙科 CBCT 图像的高效金属伪影降噪 Transformer

    我们开发了一种高效的金属伪影还原 Transformer (MARformer)，通过基于 CBCT 图像的全局相似结构，在多头自注意力机制中引入了新的降维自注意力模块 (DRSA)，以减少计算复杂性。同时，我们还提出了一种感知局部图像信息的基于块的感知前馈网络 (P2FFN)，用于进行细粒度的修复。实验结果表明，我们的 MARformer 在合成和真实金属伪影的 CBCT 图像上表现出色，且优于以往的 MAR 方法和两种修复 Transformer。

    Nov, 2023

  • CT 图像金属伪影深度补全和图像先验去除

    该文提出了一个通用的金属伪影减少框架，将图像域和正弦图域的优点结合，通过训练神经网络恢复受金属影响的正弦图像以及生成一个先验图像来引导正弦学习，以有效地减少金属伪影。经过对真实和模拟数据的广泛实验，该方法在保留解剖结构的同时，能够产生优越的减少金属伪影的结果，并胜过其他方法。

    Sep, 2020

  • 无监督密度神经表征用于 CT 金属伪影抑制

    提出一种新的无监督密度神经表示（Diner）方法来解决包含金属时 CT 金属伪影问题，通过引入与能量相关的彩色 CT 正演模型和使用密度作为中间变量，Diner 能够准确重建 X 射线测量中的线性衰减系数。实验证实了 Diner 在金属伪影降低性能和鲁棒性方面优于常见的有监督技术。

    May, 2024

  • ToothSegNet: CBCT 图像中图像退化与牙齿分割的相遇

    本研究提出了一种新的 ToothSegNet 框架，通过训练中使用生成的降质图像来提高 CBCT 图像的牙齿分割精度，该方法在计算机辅助正畸和医学治疗中有广泛应用。

    Jul, 2023

  • RetinexFlow 用于 CT 金属伪影减少

    该研究提出了一种基于 Retinex 理论和条件归一化流的图像域模型（RetinexFlow），通过联合分解和完成任务，实现金属伪影的降解，能够较好地消除伪影并提高 CT 图像质量。

    Jun, 2023

  • 利用元学习的神经吸收场和哈希编码正则化进行快速准确的稀疏视角 CBCT 重建

    通过提出一种快速准确的稀疏视角锥形束计算机断层成像（CBCT）重建方法（FACT），我们发现该方法相对于传统算法在不同身体部位（胸部、头部和腹部）和计算机断层成像（CT）供应商（西门子、飞利浦和 GE）的 CBCT 扫描中产生了更好且更快的重建结果。

    Dec, 2023

  • 双域插值扩散先验无监督 CT 金属伪影去除

    在本文中，我们基于扩散模型提出了一种无监督金属伪影减弱方法，利用预训练的扩散模型在图像和正弦图领域内迭代地利用嵌入其中的先验知识，去除由金属伪影引起的退化区域，实验证明我们的方法在综合数据集上优于现有的无监督金属伪影减弱方法，并且在临床数据集上展现出卓越的视觉效果。

    Aug, 2023

  • 基于卷积神经网络的有限角度层析成像深度学习图像预测

    本文提出了一种基于深度卷积神经网络的数据驱动学习方法，用于在限角摄影术下提取和抑制 FBP 重建的特定伪影。 实验结果的定性和定量评估表明，该方法在伪影抑制和细节恢复方面表现出稳定和有前途的性能，为从有限投影数据中重构出的图像质量的提高提供了简单和高效的途径。

    Jul, 2016