This paper introduces a novel, gradient-based motion estimation approach for CBCT that significantly reduces motion artifacts and speeds up computation compared to existing methods, making it particularly valuable for time-sensitive clinical scenarios like acute stroke assessment.
본 논문에서는 콘빔 CT(CBCT)에서 발생하는 움직임으로 인한 이미지 품질 저하 문제를 해결하기 위해 그래디언트 기반 최적화 알고리즘을 사용한 새로운 모션 추정 접근 방식을 제안합니다. 이 접근 방식은 기존 방법보다 19배 빠른 속도를 제공하며, 보다 정확한 모션 추정을 위해 픽셀 단위 품질 맵을 예측하는 자동 인코더와 유사한 아키텍처를 사용합니다.
This paper introduces a novel gradient-based optimization approach for head motion compensation in cone-beam CT, significantly improving speed and accuracy by leveraging differentiable programming and voxel-wise quality metric regression.
MedDiff-FM 是一個基於擴散模型的醫學影像基礎模型,它利用來自多個公開數據集的 3D 電腦斷層掃描 (CT) 影像進行預先訓練,涵蓋從頭部到腹部的解剖區域,並能應用於各種醫學影像任務,例如影像去噪、異常檢測、影像合成、病灶生成和病灶修復。
MedDiff-FMは、複数の公開データセットの3D CT画像を用いて事前学習された、さまざまな医用画像タスクに対応可能な拡散ベースの基盤モデルである。
Continuous emission ultrasound imaging (CEUI) is a new paradigm that overcomes limitations of traditional pulse-echo ultrasound by enabling ultrafast imaging and capturing rapid events through continuous insonification and a novel signal processing framework.
2段階の画像合成アプローチ(2Dスライスベースの合成と3Dリファインメント)を用いることで、従来の手法よりもアーティファクトの少ない、より高品質な脳MRI画像を合成できる。
REHRSeg 是一種新穎的 3D MRI 分割框架,它僅使用低解析度 (LR) 影像和標註進行訓練,即可實現高效能的高解析度 (HR) 分割,解決了傳統方法依賴資源密集型 HR 數據的局限性。
REHRSegは、高解像度(HR)の注釈付きデータを使用せずに学習できる、リソース効率の高い3D HRセグメンテーションフレームワークであり、自己教師あり超解像技術を活用してセグメンテーションモデルの性能を向上させる。
REHRSeg is a novel framework that achieves high-resolution 3D MRI segmentation using only low-resolution images and annotations by leveraging self-supervised super-resolution for pseudo supervision and knowledge distillation.