发布日期: 2024-12-25

更新日期: 2024-12-25

文章字数: 999

阅读时长: 3 分

阅读次数:

⚠️ 以下所有内容总结都来自于大语言模型的能力，如有错误，仅供参考，谨慎使用
🔴 请注意：千万不要用于严肃的学术场景，只能用于论文阅读前的初筛！
💗 如果您觉得我们的项目对您有帮助 ChatPaperFree ，还请您给我们一些鼓励！⭐️ HuggingFace免费体验

2024-12-25 更新

Assessment of Deep-Learning Methods for the Enhancement of Experimental Low Dose Dental CBCT Volumes

Authors:Louise Friot–Giroux, Françoise Peyrin, Voichiţa Maxim

Cone-beam tomography enables rapid 3D acquisitions, making it a suitable imaging modality for dental imaging. However, as with all X-ray techniques, the main challenge is to reduce the dose while maintaining good image quality. Moreover, dental reconstructions face a series of issues stemming from truncated projections as well as metal and cone beam artifacts. The aim here is to investigate the ability of neural networks to improve the quality of 3D CBCT dental images at low doses. We test different configurations of convolutional neural networks, trained in a supervised way to reduce artifacts and noise present in analytically reconstructed volumes. In a study on 32 experimental cone beam volumes, we show their capacity to preserve and enhance details while still reducing the artifacts. The best results are obtained with a 3D U-Net which compares advantageously with a TV regularized iterative method and is considerably faster.

锥形束断层扫描技术能够实现快速三维采集，使其成为牙科成像的合适成像模式。然而，与所有X射线技术一样，主要挑战是在保持良好图像质量的同时减少剂量。此外，牙科重建还面临一系列由截断投影以及金属和锥形束伪影引起的问题。这里的目标是研究神经网络在提高低剂量三维锥形束计算机断层扫描（CBCT）牙科图像质量方面的能力。我们测试了不同配置的卷积神经网络，以监督学习的方式进行训练，以减少分析重建体积中存在的伪影和噪声。在32个实验性锥形束体积的研究中，我们展示了它们在保留和增强细节的同时，还能减少伪影的能力。使用三维U-Net获得最佳结果，其与TV正则化迭代方法相比具有优势，并且速度更快。

论文及项目相关链接

PDF

Summary

锥形束断层扫描技术可实现快速三维成像，使其成为牙科成像的理想成像方式。然而，与所有X射线技术一样，主要挑战在于在保持良好图像质量的同时减少剂量。此外，牙科重建面临一系列由截断投影以及金属和锥形束伪影引起的问题。此研究旨在探究神经网络在提高低剂量三维锥形束计算机断层扫描（CBCT）牙科图像质量方面的能力。我们测试了不同配置的卷积神经网络，以监督学习的方式进行训练，以减少解析重建体积中的伪影和噪声。在32个实验性锥形束体积的研究中，我们展示了它们保留并增强细节的同时减少伪影的能力。最佳结果由三维U-Net获得，其优势地可与TV正则化迭代方法相比较，并且速度更快。

Key Takeaways