带锥束 CT 一致性约束的深度自动对焦
机器学习
2019-12-06 v3 计算机视觉与模式识别
图像与视频处理
机器学习
摘要
介入式 C 臂锥束计算机断层扫描（CBCT）的高质量重建需要精确的几何信息。若几何信息受损，例如因患者或系统意外运动，则测量信号在反投影操作中会被错置。随着介入式 C 臂 CBCT 采集时间延长，刚性患者运动的可能性增加。为相应调整反投影操作，需要一种运动估计策略。近来，一种新颖的基于学习的方法被提出，能够补偿采集平面内的运动。我们通过 CBCT 一致性约束扩展该方法，已证明其对垂直于采集平面的运动十分有效。通过这两种措施的协同结合，面内与面外运动均可被良好检测，实现了平均 93 [percent] 的伪影抑制。这优于基于熵的当前最优自动对焦度量，后者平均实现 54 [percent] 的伪影抑制。
引用
@article{arxiv.1911.13162,
title = {Deep autofocus with cone-beam CT consistency constraint},
author = {Alexander Preuhs and Michael Manhart and Philipp Roser and Bernhard Stimpel and Christopher Syben and Marios Psychogios and Markus Kowarschik and Andreas Maier},
journal= {arXiv preprint arXiv:1911.13162},
year = {2019}
}
备注
Accepted at BVM 2020, review score under Top-6 of the conference