A deep learning method for pinwheel artifact reduction in CT

工件(错误) 计算机科学 人工智能 计算机视觉 还原(数学) 降噪 混叠 迭代重建 图像质量 噪音(视频) 图像处理 计算机硬件 图像(数学) 滤波器(信号处理) 数学 几何学
作者
Utkarsh Agrawal,Rajesh Langoju,Yasuhiro Imai,Risa Shigemasa,Bipul Kumar Das
标识
DOI:10.1117/12.2653607
摘要

Pinwheel artifact is caused in multidetector Computed Tomography (CT) helical scans due to under-sampling of z-planes during thin slice reconstruction. There are a few hardware-based solutions like flying focal spot (FFS), which aims at generating more samples during the acquisition, thus enabling aliasing free thin slice images. However, these methods are expensive both in manufacturing capability, as well as impact on hardware life. Deep learning (DL) based methods have shown significant improvement in pin-wheel artifact reduction. Most DL-based methods use images generated from FFS or similar hardware-based enhancement to train the deep learning network, thus restricting usability of these methods on systems without these hardware enhancements. This work proposes a novel DL method to generate pin-wheel free thin-slice images from helical scans for systems not equipped with these hardware capabilities. Artifact-free thin slice images, which are used as targets for artifact reduction network are generated through DL-based super-resolution along z-direction from thick slice images reconstructed from the same scan. The framework is trained with ~16000 coronal/sagittal slices from GE-Revolution system. Clinical image review and statistical analysis of the inferencing results have shown significant artifact reduction and improved diagnostic image quality while reducing noise. A Likert score study shows significant enhancement of proposed method over other image processing-based solutions available.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
2秒前
边博完成签到,获得积分20
3秒前
5秒前
CodeCraft应助叶祥采纳,获得10
6秒前
上官若男应助Dr.Liujun采纳,获得10
8秒前
G.H Bai发布了新的文献求助10
8秒前
daluoluo发布了新的文献求助100
10秒前
11秒前
郑鹏飞完成签到,获得积分20
12秒前
14秒前
李健的粉丝团团长应助jing采纳,获得10
15秒前
清脆的台灯完成签到,获得积分10
15秒前
15秒前
叶祥发布了新的文献求助10
16秒前
17秒前
Asher发布了新的文献求助30
17秒前
nanm发布了新的文献求助30
20秒前
20秒前
24秒前
无私的黄豆完成签到 ,获得积分10
26秒前
沈家宁完成签到,获得积分20
26秒前
qianqiu完成签到 ,获得积分10
28秒前
珊珊发布了新的文献求助10
28秒前
29秒前
123完成签到,获得积分10
33秒前
divedown完成签到,获得积分10
34秒前
34秒前
爆米花应助01采纳,获得10
34秒前
34秒前
隐形曼青应助珊珊采纳,获得10
34秒前
谷雨<・)))><<完成签到,获得积分10
39秒前
tian完成签到,获得积分10
45秒前
安静的白梅完成签到,获得积分20
45秒前
科研通AI2S应助SongWhizz采纳,获得10
48秒前
椰椰大王完成签到,获得积分10
48秒前
Dong完成签到 ,获得积分10
48秒前
所所应助复杂飞飞采纳,获得10
49秒前
49秒前
厄页石页完成签到,获得积分10
52秒前
53秒前
高分求助中
LNG地下式貯槽指針(JGA指-107) 1000
LNG地上式貯槽指針 (JGA指 ; 108) 1000
QMS18Ed2 | process management. 2nd ed 600
LNG as a marine fuel—Safety and Operational Guidelines - Bunkering 560
How Stories Change Us A Developmental Science of Stories from Fiction and Real Life 500
九经直音韵母研究 500
Full waveform acoustic data processing 500
热门求助领域 (近24小时)
化学 医学 材料科学 生物 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 物理化学 催化作用 免疫学 细胞生物学 电极
热门帖子
关注 科研通微信公众号,转发送积分 2935623
求助须知:如何正确求助?哪些是违规求助? 2591387
关于积分的说明 6981243
捐赠科研通 2236228
什么是DOI,文献DOI怎么找? 1187521
版权声明 589879
科研通“疑难数据库(出版商)”最低求助积分说明 581330