Publication:
Deep neural networks for ring artifacts segmentation and corrections in fragments of CT images

Дата
2021
Авторы
Reimers, I.
Yakimchuk, I.
Kornilov, A.
Safonov, I.
Journal Title
Journal ISSN
Volume Title
Издатель
Научные группы
Организационные подразделения
OrgUnit Logo
Организационная единица
Институт общей профессиональной подготовки (ИОПП)
Миссией Института является: фундаментальная базовая подготовка студентов, необходимая для получения качественного образования на уровне требований международных стандартов; удовлетворение потребностей обучающихся в интеллектуальном, культурном, нравственном развитии и приобретении ими профессиональных знаний; формирование у студентов мотивации и умения учиться; профессиональная ориентация школьников и студентов в избранной области знаний, формирование способностей и навыков профессионального самоопределения и профессионального саморазвития. Основными целями и задачами Института являются: обеспечение высококачественной (фундаментальной) базовой подготовки студентов бакалавриата и специалитета; поддержка и развитие у студентов стремления к осознанному продолжению обучения в институтах (САЕ и др.) и на факультетах Университета; обеспечение преемственности образовательных программ общего среднего и высшего образования; обеспечение высокого качества довузовской подготовки учащихся Предуниверситария и школ-партнеров НИЯУ МИФИ за счет интеграции основного и дополнительного образования; учебно-методическое руководство общеобразовательными кафедрами Института, осуществляющими подготовку бакалавров и специалистов по социо-гуманитарным, общепрофессиональным и естественнонаучным дисциплинам, обеспечение единства требований к базовой подготовке студентов в рамках крупных научно-образовательных направлений (областей знаний).
Выпуск журнала
Аннотация
© 2021 IEEE Computer Society. All rights reserved.Ring artifacts are typical defects of computed tomography (CT) that degrade the quality of a 3D reconstructed image. Existing techniques for a ring reduction have various shortcomings and limitations, in particular, a lot of them are unable to process arbitrary fragments of the image and blur artifact-free regions. We propose an algorithm for ring artifacts segmentation and reduction by deep convolutional neural networks that correct 3D fragments of the CT image by inpainting. We compare 2D and 3D architectures of networks. For the creation of a dataset with a big number of ring artifacts, we propose a procedure that is able to transfer an artifact from one image to an arbitrary place of another image. The appearance of the transferred artifact changes. For ring artifact segmentation and correction in images of sandstones and sand, the proposed networks demonstrate good visual results and outperform existing methods. The proposed technique concentrates on the Digital Rock workflow, but the networks can be adjusted for the processing of other CT images as well.
Описание
Ключевые слова
Цитирование
Deep neural networks for ring artifacts segmentation and corrections in fragments of CT images / Reimers, I. [et al.] // Conference of Open Innovation Association, FRUCT. - 2021. - 2021-January. - 10.23919/FRUCT50888.2021.9347587
URI
https://www.doi.org/10.23919/FRUCT50888.2021.9347587
 https://www.scopus.com/record/display.uri?eid=2-s2.0-85101217600&origin=resultslist
 http://gateway.webofknowledge.com/gateway/Gateway.cgi?GWVersion=2&SrcAuth=Alerting&SrcApp=Alerting&DestApp=WOS_CPL&DestLinkType=FullRecord&UT=WOS:000672554500024
 https://openrepository.mephi.ru/handle/123456789/23702
Коллекции
Публикации