UnWave-Net: Unrolled Wavelet Network for Compton Tomography Image Reconstruction

要約

コンピュータ断層撮影 (CT) は、体の内部構造をスキャンするために広く使用されている医療画像技術であり、通常はコリメーションと機械的回転を伴います。
コンプトン散乱断層撮影 (CST) は、コリメーションの代わりにコンプトン物理学を利用して複数の方向から情報を収集することにより、従来の CT に代わる興味深い代替手段を提供します。
CST は、高感度、コンパクトさ、完全に固定されたシステムなどのいくつかの利点を備えた新しいイメージングの機会をもたらしますが、CST モデリングの数学的課題により、画像再構成は未解決の問題のままです。
対照的に、ディープ アンローリング ネットワークは、計算集約的な性質にもかかわらず、CT 画像再構成における可能性を実証しています。
この研究では、CST 画像再構成のためのアンローリング ネットワークの効率を調査します。
トレーニングに必要な重要な計算コストに対処するために、新しいアンロール ウェーブレット ベースの再構成ネットワークである UnWave-Net を提案します。
このアーキテクチャには、ウェーブレットに基づく非ローカル正則化項が含まれており、画像内の長距離依存関係を捕捉し、ウェーブレット変換のマルチスケール コンポーネントを強調します。
データ取得中に完全に静的な円形ジオメトリの CST を使用してアプローチを評価します。UnWave-Net は、特定の再構成公式がない場合でも画像の再構成を容易にします。
私たちの方法は既存のアプローチを上回り、SSIM と PSNR の点で最先端のパフォーマンスを実現し、従来のアンローリング ネットワークと比較して計算効率の向上を実現します。

要約(オリジナル)

Computed tomography (CT) is a widely used medical imaging technique to scan internal structures of a body, typically involving collimation and mechanical rotation. Compton scatter tomography (CST) presents an interesting alternative to conventional CT by leveraging Compton physics instead of collimation to gather information from multiple directions. While CST introduces new imaging opportunities with several advantages such as high sensitivity, compactness, and entirely fixed systems, image reconstruction remains an open problem due to the mathematical challenges of CST modeling. In contrast, deep unrolling networks have demonstrated potential in CT image reconstruction, despite their computationally intensive nature. In this study, we investigate the efficiency of unrolling networks for CST image reconstruction. To address the important computational cost required for training, we propose UnWave-Net, a novel unrolled wavelet-based reconstruction network. This architecture includes a non-local regularization term based on wavelets, which captures long-range dependencies within images and emphasizes the multi-scale components of the wavelet transform. We evaluate our approach using a CST of circular geometry which stays completely static during data acquisition, where UnWave-Net facilitates image reconstruction in the absence of a specific reconstruction formula. Our method outperforms existing approaches and achieves state-of-the-art performance in terms of SSIM and PSNR, and offers an improved computational efficiency compared to traditional unrolling networks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google