論文の概要: Energy-Guided Diffusion Model for CBCT-to-CT Synthesis
- arxiv url: http://arxiv.org/abs/2308.03354v1
- Date: Mon, 7 Aug 2023 07:23:43 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-08 14:54:06.914738
- Title: Energy-Guided Diffusion Model for CBCT-to-CT Synthesis
- Title(参考訳): CBCT-to-CT合成のためのエネルギー誘導拡散モデル
- Authors: Linjie Fu, Xia Li, Xiuding Cai, Dong Miao, Yu Yao and Yali Shen
- Abstract要約: コーンビームCT(CBCT)は、臓器解剖が変化した場合の放射線治療を正確に行うことにより、適応放射線療法(ART)において重要な役割を担っている。
CBCT画像は散乱ノイズやアーティファクトに悩まされ、CBCTのみに依存して正確な線量計算と正確な組織局在を困難にしている。
本稿では,エネルギー誘導拡散モデル(EGDiff)を提案し,胸部腫瘍データセットを用いてCBCTから合成CT(sCT)を生成する実験を行った。
- 参考スコア(独自算出の注目度): 8.888473799320593
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Cone Beam CT (CBCT) plays a crucial role in Adaptive Radiation Therapy (ART)
by accurately providing radiation treatment when organ anatomy changes occur.
However, CBCT images suffer from scatter noise and artifacts, making relying
solely on CBCT for precise dose calculation and accurate tissue localization
challenging. Therefore, there is a need to improve CBCT image quality and
Hounsfield Unit (HU) accuracy while preserving anatomical structures. To
enhance the role and application value of CBCT in ART, we propose an
energy-guided diffusion model (EGDiff) and conduct experiments on a chest tumor
dataset to generate synthetic CT (sCT) from CBCT. The experimental results
demonstrate impressive performance with an average absolute error of
26.87$\pm$6.14 HU, a structural similarity index measurement of 0.850$\pm$0.03,
a peak signal-to-noise ratio of the sCT of 19.83$\pm$1.39 dB, and a normalized
cross-correlation of the sCT of 0.874$\pm$0.04. These results indicate that our
method outperforms state-of-the-art unsupervised synthesis methods in accuracy
and visual quality, producing superior sCT images.
- Abstract(参考訳): コーンビームCT(CBCT)は、臓器解剖が変化した場合の放射線治療を正確に行うことにより、適応放射線療法(ART)において重要な役割を担っている。
しかし,CBCT画像は散乱ノイズやアーティファクトに悩まされており,正確な線量計算や組織局在の精度にCBCTのみを頼っている。
したがって、解剖学的構造を保ちながらCBCT画質とハウンズフィールドユニット(HU)の精度を向上させる必要がある。
ARTにおけるCBCTの役割と応用価値を高めるために,エネルギー誘導拡散モデル(EGDiff)を提案し,胸部腫瘍データセットを用いてCBCTから合成CT(sCT)を生成する実験を行った。
実験結果は、平均絶対誤差26.87$\pm$6.14 HU、構造類似度指数0.850$\pm$0.03、ピーク信号対雑音比19.83$\pm$1.39 dB、正規化相互相関0.874$\pm$0.04で印象的な性能を示した。
これらの結果から,本手法は精度と画質において最先端の教師なし合成法よりも優れており,優れたsct画像が得られた。
関連論文リスト
- HC$^3$L-Diff: Hybrid conditional latent diffusion with high frequency enhancement for CBCT-to-CT synthesis [10.699377597641137]
本稿では,CBCT-to-CT合成のための新しい条件付き潜時拡散モデルを提案する。
我々はUnified Feature (UFE) を用いて画像を低次元の潜在空間に圧縮する。
本手法は, CBCT-to-CTの高精細合成を患者1人当たり2分以上で効率よく行うことができる。
論文 参考訳(メタデータ) (2024-11-03T14:00:12Z) - Improving Cone-Beam CT Image Quality with Knowledge Distillation-Enhanced Diffusion Model in Imbalanced Data Settings [6.157230849293829]
毎日のコーンビームCT(CBCT)画像は、治療調整の要点であり、組織密度の精度が低い。
治療中のCBCTデータを最大化し, 疎対ファンビームCTで補完した。
本手法はRTにおけるCBCTスキャンから高画質CT画像を生成する上で有望であることを示す。
論文 参考訳(メタデータ) (2024-09-19T07:56:06Z) - A multi-channel cycleGAN for CBCT to CT synthesis [0.0]
画像合成は、on-treatment cone-beam CT(CBCTs)から合成CTを生成するために使用される
本研究はCBCT-to-sCT合成という2つ目の課題に焦点をあてる。
画像の特徴を強調するためにマルチチャネル入力を活用することで,CBCT画像に固有の課題を効果的に解決する。
論文 参考訳(メタデータ) (2023-12-04T16:40:53Z) - MARformer: An Efficient Metal Artifact Reduction Transformer for Dental CBCT Images [53.62335292022492]
金属歯のインプラントはCBCTイメージングの過程で不愉快な金属加工物をもたらす可能性がある。
歯科用CBCT画像から金属アーティファクト低減(MAR)を実現するための効率的なトランスフォーマーを開発した。
P2FFN (Patch-wise Perceptive Feed Forward Network) も提案されている。
論文 参考訳(メタデータ) (2023-11-16T06:02:03Z) - Attention-based Saliency Maps Improve Interpretability of Pneumothorax
Classification [52.77024349608834]
視覚変換器(ViT)の胸部X線撮影(CXR)分類性能と注意ベース唾液の解釈可能性について検討する。
ViTは、CheXpert、Chest X-Ray 14、MIMIC CXR、VinBigDataの4つの公開データセットを用いて、肺疾患分類のために微調整された。
ViTsは最先端のCNNと比べてCXR分類AUCに匹敵するものであった。
論文 参考訳(メタデータ) (2023-03-03T12:05:41Z) - CyTran: A Cycle-Consistent Transformer with Multi-Level Consistency for
Non-Contrast to Contrast CT Translation [56.622832383316215]
コントラストCTを非コントラストCTに変換する手法を提案する。
提案手法は、CyTranを略して、サイクル一貫性のある生成逆転変換器に基づいている。
実験の結果、CyTranは競合するすべての手法より優れています。
論文 参考訳(メタデータ) (2021-10-12T23:25:03Z) - Multitask 3D CBCT-to-CT Translation and Organs-at-Risk Segmentation
Using Physics-Based Data Augmentation [4.3971310109651665]
現在の臨床実践では、放射線治療中の患者設定にのみ、ノイズとアーティファクトを付加した毎週のコーンビームCT画像が用いられる。
治療計画には, 高画質計画ct (pct) 画像とoars ( organ-at-risk) 構造の手輪郭を用いて, 治療開始時に一度行う。
OAR構造を同時にセグメンテーションしながら毎週CBCT画像の品質を向上させることができれば、放射線治療中の治療適応や治療応答のためのバイオマーカーの抽出に重要な情報を提供することができる。
論文 参考訳(メタデータ) (2021-03-09T19:51:44Z) - COVIDNet-CT: A Tailored Deep Convolutional Neural Network Design for
Detection of COVID-19 Cases from Chest CT Images [75.74756992992147]
我々は、胸部CT画像からCOVID-19の症例を検出するのに適した、深層畳み込みニューラルネットワークアーキテクチャであるCOVIDNet-CTを紹介した。
また,中国生体情報センターが収集したCT画像データから得られたベンチマークCT画像データセットであるCOVIDx-CTも紹介した。
論文 参考訳(メタデータ) (2020-09-08T15:49:55Z) - A Learning-based Method for Online Adjustment of C-arm Cone-Beam CT
Source Trajectories for Artifact Avoidance [47.345403652324514]
市販CBCT装置で実現可能な復元品質はペダルスクリューの存在下での金属加工品のため不十分である。
そこで本研究では,C-arm CBCTソーストラジェクトリをスキャン中に調整し,特定のタスクに対する再構成品質を最適化することを提案する。
リアルにシミュレートされたデータに基づいてトレーニングされた畳み込みニューラルネットワークは、CBCTソース軌跡のシーン特異的な調整を可能にする品質指標を予測することができることを示す。
論文 参考訳(メタデータ) (2020-08-14T09:23:50Z) - Generalizable Cone Beam CT Esophagus Segmentation Using Physics-Based
Data Augmentation [4.5846054721257365]
我々は,CT(pCT)とCBCT(cone-beam CT)の計画における食道の分節化のための意味物理学に基づくデータ拡張法を開発した。
191例のpCTおよびCBCTを用いて,食道などの軟部臓器に特異的に設計された多目的損失機能を有する3D-Unetアーキテクチャを訓練した。
我々の物理に基づくデータ拡張は、患者のCBCT/pCTデータにまたがる現実的なノイズ/アーティファクトスペクトルにまたがるものであり、治療のセットアップと反応分析の精度を向上する可能性を秘めている。
論文 参考訳(メタデータ) (2020-06-28T21:12:09Z) - Severity Assessment of Coronavirus Disease 2019 (COVID-19) Using
Quantitative Features from Chest CT Images [54.919022945740515]
本研究の目的は,胸部CT画像に基づく新型コロナウイルスの重症度自動評価(非重症度または重症度)を実現することである。
ランダム・フォレスト(RF)モデルは、量的特徴に基づいて重症度(非重症度または重症度)を評価するために訓練される。
新型コロナウイルスの重症度を反映する可能性のあるいくつかの定量的特徴が明らかになった。
論文 参考訳(メタデータ) (2020-03-26T15:49:32Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。