New Pseudo-CT Generation Approach from Magnetic Resonance Imaging using a Local Texture Descriptor
محل انتشار: مجله فیزیک و مهندسی پزشکی، دوره: 8، شماره: 1
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 51
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JBPE-8-1_006
تاریخ نمایه سازی: 30 دی 1402
چکیده مقاله:
Background: One of the challenges of PET/MRI combined systems is to derive an attenuation map to correct the PET image. For that, the pseudo-CT image could be used to correct the attenuation. Until now, most existing scientific researches construct this pseudo-CT image using the registration techniques. However, these techniques suffer from the local minima of the non-rigid deformation energy function which leads to unsatisfactory results.Objective: We propose in this paper a new approach for the generation of a pseudo-CT image from an MR image.Materials and Methods: This approach is based on a dense stereo matching concept, for that, we encode each pixel according to a shape related coordinates method, and we apply a local texture descriptor to put into correspondence pixels between MRI patient and MRI atlas images. The proposed approach was tested on a real MRI data, and in order to show the effectiveness of the proposed local descriptor, it has been compared to three other local descriptors: SIFT, SURF and DAISY. Also it was compared to registration method.Results: The calculation of structural similarity (SSIM) index and DICE coefficients, between the pseudo-CT image and the corresponding real CT image show that the proposed stereo matching approach outperforms a registration one.Conclusion: The use of dense matching with atlas promises good results in the creation of pseudo-CT. The proposed approach can be recommended as an alternative to registration techniques.
کلیدواژه ها:
Pseudo-CT ، Attenuation Correction ، Stereo Matching ، Local Texture Descriptor for Matching ، PET/MRI
نویسندگان
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :