$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

[해외논문] Enhancement of soft-tissue contrast in cone-beam CT using an anti-scatter grid with a sparse sampling approach

Physica medica : European journal of medical physics, v.70, 2020년, pp.1 - 9  

Cho, Sanghoon (Department of Nuclear and Quantum Engineering, Korea Advanced Institute of Science and Technology (KAIST)) ,  Lim, Sunho (Department of Nuclear and Quantum Engineering, Korea Advanced Institute of Science and Technology (KAIST)) ,  Kim, Changhwan (Department of Nuclear and Quantum Engineering, Korea Advanced Institute of Science and Technology (KAIST)) ,  Wi, Sunhee (Department of Nuclear and Quantum Engineering, Korea Advanced Institute of Science and Technology (KAIST)) ,  Kwon, Taejin (Department of Nuclear and Quantum Engineering, Korea Advanced Institute of Science and Technology (KAIST)) ,  Youn, Won Sik (Department of Research & Development, JPI Healthcare, Co., Ltd.) ,  Lee, Sang Hyun (Department of Research & Development, JPI Healthcare, Co., Ltd.) ,  Kang, Bo Sun (Department of Radiological Science, Konyang University) ,  Cho, Seungryong (Department of Nuclear and Quantum Engineering, Korea Advanced Institute)

Abstract AI-Helper 아이콘AI-Helper

Abstract Purpose Anti-scatter grids suppress the scatter substantially thus improving image contrast in radiography. However, its active use in cone-beam CT for the purpose of improving contrast-to-noise ratio (CNR) has not been successful mainly due to the increased noise related to Poisson statis...

Keyword

참고문헌 (31)

  1. Med Phys Siewerdsen 28 2 220 2000 10.1118/1.1339879 Cone-beam computed tomography with a flat-panel imager: magnitude and effects of x-ray scatter 

  2. Med Phys Siewerdsen 27 8 1903 2000 10.1118/1.1286590 Optimization of x-ray imaging geometry (with specific application to flat-panel cone-beam computed tomography) 

  3. Phys Med Biol Sun 55 6695 2010 10.1088/0031-9155/55/22/007 Improved scatter correction using adaptive scatter kernel superposition 

  4. Med Phys Ning 31 5 1195 2004 10.1118/1.1711475 X-ray scatter correction algorithm for cone beam CT imaging 

  5. Phys Med Biol Poludniowski 54 3847 2009 10.1088/0031-9155/54/12/016 An efficient Monte-Carlo algorithm for scatter correction in keV cone-beam CT 

  6. Phys Med Biol Kim 60 5971 2015 10.1088/0031-9155/60/15/5971 Data consistency-driven scatter kernel optimization for x-ray cone-beam CT 

  7. 10.1117/12.465628 Ning R, Tang X, Conover DL. “X-ray scatter suppression algorithm for cone-beam volume CT,” Proc. SPIE Med. Imag. pp. 774-781, 2002. 

  8. 10.1118/1.2148916 Siewerdsen JH, Daly MJ, Bakhtiar B, Moseley DJ, Richard S, Keller H, Jaffray DA. “A simple, direct method for x-ray scatter estimation and correction in digital radiography and cone-beam CT,” Med. Phy. 33(1), pp. 187-197. 

  9. Microsyst Technol Tang 4 187 1998 10.1007/s005420050128 Anti-scattering X-ray grid 

  10. Proc SPIE Med Image Whiting 4682 53 2002 10.1117/12.465601 Signal statistics in x-ray computed tomography 

  11. Proc SPIE Med Image Whiting 3336 260 1998 10.1117/12.317025 Image quantization: statistics and modeling 

  12. Med Phys Siewerdsen 31 12 3506 2004 10.1118/1.1819789 The influence of antiscatter grids on soft-tissue detectability in cone-beam computed tomography with flat-panel detectors 

  13. Proc SPIE Med Image Singh 9033 2014 Limitations of anti-scatter grids when used with high resolution image detectors 

  14. Med Phys Schafer 39 1 153 2012 10.1118/1.3666947 Antiscatter grids in mobile C-arm cone-beam CT: effect on image quality and dose 

  15. Med Phys Abbas 40 11 2013 10.1118/1.4825096 Effects of sparse sampling schemes on image quality in low-dose CT 

  16. IEEE Trans Nucl Sci Lee 63 5 2540 2016 10.1109/TNS.2016.2604343 Moving beam-blocker-based low-dose cone-beam CT 

  17. IEEE Trans Med Image Lee 36 12 2578 2017 10.1109/TMI.2017.2765760 A feasibility study of low-dose single-scan dual-energy cone-beam CT in many-view under-sampling framework 

  18. IEEE Nucl Sci Conf Rec Sidky 5 2904 2006 Accurate image reconstruction in circular cone-beam computed tomography by total variation minimization: a preliminary investigation 

  19. Phys Med Biol Persson 46 853 2001 10.1088/0031-9155/46/3/318 Total variation norm for three-dimensional iterative reconstruction in limited view angle tomography 

  20. IEEE Nucl Sci Conf Rec Sidky 5 3526 2007 Image reconstruction from few views by non-convex optimization 

  21. Phys Med Biol Sidky 53 17 119 2006 Image reconstruction in circular cone-beam computed tomography by constrained, total-variation minimization 

  22. Appl Math Optim Grasmair 62 3 323 2010 10.1007/s00245-010-9105-x Anisotropic total variation filtering 

  23. Phys Med Biol Chen 58 2119 2013 10.1088/0031-9155/58/7/2119 A limited-angle CT reconstruction method based on anisotropic TV minimization 

  24. The Phantom Laboratory, “Catphan 500 and 600 manual,” Salem, NY, The Phantom Laboratory, 2006. 

  25. J Opt Soc Am A Feldkamp 1 612 1984 10.1364/JOSAA.1.000612 Practical cone-beam algorithm 

  26. IEEE Comput Vis Pattern Recogn Buades 2005 A non-local algorithm for image denoising 

  27. Med Phys Samei 46 11 e735 2019 10.1002/mp.13763 Performance evaluation of computed tomography systems: summary of AAPM Task Group 233 

  28. Med Phys Alexeev 45 2 529 2018 10.1002/mp.12724 Two-dimensional antiscatter grid: a novel scatter rejection device for Cone-beam computed tomography 

  29. IEEE Trans Rad Plas Med Sci Lee 3 2 109 2019 10.1109/TRPMS.2018.2867611 Deep-neural-network based sinogram synthesis for sparse-view CT image reconstruction 

  30. Han Y, Yoo J, Ye JC. “Deep residual learning for compressed sensing CT reconstruction via persistent homology analysis.” [Online]. Available: https://arxiv.org/abs/1611.06391, 2016. 

  31. J Nondestruct Eval Maier 37 3 57 2018 10.1007/s10921-018-0507-z Deep scatter estimation (DSE): accurate real-time scatter estimation for X-ray CT using a deep convolutional neural network 

LOADING...

활용도 분석정보

상세보기
다운로드
내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

관련 콘텐츠

유발과제정보 저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로