Metal Inpainting in CBCT Projections Using Score-based Generative Model

要約

整形外科手術中、金属製のインプラントまたはネジの挿入は、多くの場合、可動 C アーム システムの下で行われます。
金属の減衰が大きいため、3D 再構成では重度の金属アーティファクトが発生し、画質が大幅に低下します。
アーティファクトを減らすために、多くの金属アーティファクト削減アルゴリズムが開発されており、投影ドメインでの金属修復は不可欠なステップです。
この作業では、スコアベースの生成モデルがシミュレートされた膝の投影でトレーニングされ、修復された画像が条件付きリサンプリング プロセスでノイズを除去することによって取得されます。
結果は、スコアベースの生成モデルによる修復された画像がより詳細な情報を持ち、補間および CNN ベースの方法と比較して、最小の平均絶対誤差と最高のピーク信号対ノイズ比を達成することを意味します。
さらに、スコアベースのモデルは、大きな円形および長方形のマスクを使用して投影を回復することもでき、修復タスクでの一般化を示しています。

要約(オリジナル)

During orthopaedic surgery, the inserting of metallic implants or screws are often performed under mobile C-arm systems. Due to the high attenuation of metals, severe metal artifacts occur in 3D reconstructions, which degrade the image quality greatly. To reduce the artifacts, many metal artifact reduction algorithms have been developed and metal inpainting in projection domain is an essential step. In this work, a score-based generative model is trained on simulated knee projections and the inpainted image is obtained by removing the noise in conditional resampling process. The result implies that the inpainted images by score-based generative model have more detailed information and achieve the lowest mean absolute error and the highest peak-signal-to-noise-ratio compared with interpolation and CNN based method. Besides, the score-based model can also recover projections with big circlar and rectangular masks, showing its generalization in inpainting task.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google