論文の概要: Segmentation-Guided CT Synthesis with Pixel-Wise Conformal Uncertainty Bounds

• arxiv url: http://arxiv.org/abs/2503.08515v1
• Date: Tue, 11 Mar 2025 15:07:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-12 19:17:37.496342
• Title: Segmentation-Guided CT Synthesis with Pixel-Wise Conformal Uncertainty Bounds
• Title（参考訳）: 画素幅等角不確かさ境界を用いた分割誘導CT合成
• Authors: David Vallmanya Poch, Yorick Estievenart, Elnura Zhalieva, Sukanya Patra, Mohammad Yaqub, Souhaib Ben Taieb,
• Abstract要約: コーンビームCT(CBCT)は、適応放射線療法(ART)全体を通して、線量計算を改善するためのsCTを生成する。 CBCTは深刻なアーチファクトと画質の低下に悩まされており、正確な線量測定には適さない。 深層学習に基づくCBCT-to-CT翻訳が有望なアプローチとして登場した。 本稿では2つの重要なコンポーネントを統合する新しいフレームワークであるSTF-RUEを提案する。
• 参考スコア（独自算出の注目度）: 2.424469485586727
• License:
• Abstract: Accurate dose calculations in proton therapy rely on high-quality CT images. While planning CTs (pCTs) serve as a reference for dosimetric planning, Cone Beam CT (CBCT) is used throughout Adaptive Radiotherapy (ART) to generate sCTs for improved dose calculations. Despite its lower cost and reduced radiation exposure advantages, CBCT suffers from severe artefacts and poor image quality, making it unsuitable for precise dosimetry. Deep learning-based CBCT-to-CT translation has emerged as a promising approach. Still, existing methods often introduce anatomical inconsistencies and lack reliable uncertainty estimates, limiting their clinical adoption. To bridge this gap, we propose STF-RUE, a novel framework integrating two key components. First, STF, a segmentation-guided CBCT-to-CT translation method that enhances anatomical consistency by leveraging segmentation priors extracted from pCTs. Second, RUE, a conformal prediction method that augments predicted CTs with pixel-wise conformal prediction intervals, providing clinicians with robust reliability indicator. Comprehensive experiments using UNet++ and Fast-DDPM on two benchmark datasets demonstrate that STF-RUE significantly improves translation accuracy, as measured by a novel soft-tissue-focused metric designed for precise dose computation. Additionally, STF-RUE provides better-calibrated uncertainty sets for synthetic CT, reinforcing trust in synthetic CTs. By addressing both anatomical fidelity and uncertainty quantification, STF-RUE marks a crucial step toward safer and more effective adaptive proton therapy. Code is available at https://anonymous.4open.science/r/cbct2ct_translation-B2D9/.
• Abstract（参考訳）: プロトン療法における正確な線量計算は、高品質なCT画像に依存する。 プランニングCT(pCT)はドシメトリー計画の基準として機能する一方、コンビームCT(CBCT)はアダプティブ放射線療法(ART)全体を通して、線量計算を改善するためのsCTを生成する。 CBCTは低コストで放射線曝露の利点が低いにもかかわらず、深刻な人工物や画質の低下に悩まされており、正確な線量測定には適さない。 深層学習に基づくCBCT-to-CT翻訳が有望なアプローチとして登場した。 それでも、既存の手法は、しばしば解剖学的不整合を導入し、信頼性の高い不確実性推定を欠き、臨床応用を制限している。 このギャップを埋めるため、2つの重要なコンポーネントを統合する新しいフレームワークであるSTF-RUEを提案する。 まず, 分割誘導型CBCT-to-CT翻訳法であるSTFを用いて, pCTから抽出したセグメンテーション前処理を活用し, 解剖学的整合性を向上させる。 第二に、RUEは、CTをピクセルワイドなコンフォメーション予測間隔で拡張するコンフォメーション予測法であり、医院医に堅牢な信頼性指標を提供する。 UNet++とFast-DDPMを用いた2つのベンチマークデータセットの総合的な実験により、STF-RUEは正確な線量計算のために設計された新しいソフトタスク中心のメトリクスによって測定されるように、翻訳精度を著しく向上することが示された。 さらに、STF-RUEは合成CTに対するより良い校正の不確実性セットを提供し、合成CTに対する信頼性を補強する。 STF-RUEは、解剖学的忠実度と不確実性の定量化の両方に対処することにより、より安全で効果的なプロトン療法に向けた重要なステップとなる。 コードはhttps://anonymous.4open.science/r/cbct2ct_translation-B2D9/で公開されている。

関連論文リスト

• ARTInp: CBCT-to-CT Image Inpainting and Image Translation in Radiotherapy [1.70645147263353]
  ARTInpは画像インペイントとCBCT-to-CT翻訳を組み合わせた新しいディープラーニングフレームワークである。 ARTInpをSynthRad 2023チャレンジのCBCTとCTのペア画像のデータセットでトレーニングした。
  論文  参考訳（メタデータ） (2025-02-07T13:04:25Z)
• 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)
• Multimodal Learning With Intraoperative CBCT & Variably Aligned Preoperative CT Data To Improve Segmentation [0.21847754147782888]
  コーンビームCT(CBCT)はコンピュータ支援による介入を促進する重要なツールである。 劣化した画像品質は下流のセグメンテーションに影響を及ぼす可能性があるが、高品質の術前スキャンが利用可能であることは、改善の可能性を示唆している。 本稿では,CBCT と CT のほぼ一致したスキャンを融合させるマルチモーダル学習法を提案し,CBCT の品質と誤調整が最終的なセグメンテーション性能に与える影響について検討する。
  論文  参考訳（メタデータ） (2024-06-17T15:31:54Z)
• WIA-LD2ND: Wavelet-based Image Alignment for Self-supervised Low-Dose CT Denoising [74.14134385961775]
  我々は, NDCTデータのみを用いて, WIA-LD2NDと呼ばれる新しい自己監督型CT画像復調法を提案する。 WIA-LD2ND は Wavelet-based Image Alignment (WIA) と Frequency-Aware Multi-scale Loss (FAM) の2つのモジュールから構成される。
  論文  参考訳（メタデータ） (2024-03-18T11:20:11Z)
• 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)
• 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)
• Symmetry-Enhanced Attention Network for Acute Ischemic Infarct Segmentation with Non-Contrast CT Images [50.55978219682419]
  急性虚血性梗塞セグメンテーションのための対称性増強型注意ネットワーク(SEAN)を提案する。 提案するネットワークは、入力されたCT画像を、脳組織が左右対称な標準空間に自動的に変換する。 提案したSEANは、ダイス係数と梗塞局所化の両方の観点から、対称性に基づく最先端の手法より優れている。
  論文  参考訳（メタデータ） (2021-10-11T07:13:26Z)
• Dual-Consistency Semi-Supervised Learning with Uncertainty Quantification for COVID-19 Lesion Segmentation from CT Images [49.1861463923357]
  CT画像を用いた半監視型COVID-19病変分割のための不確実性誘導型二重一貫性学習ネットワーク(UDC-Net)を提案する。 提案した UDC-Net は,Dice の完全教師方式を 6.3% 向上させ,他の競合的半監督方式を有意なマージンで上回っている。
  論文  参考訳（メタデータ） (2021-04-07T16:23:35Z)
• 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)
• COVI-AgentSim: an Agent-based Model for Evaluating Methods of Digital Contact Tracing [68.68882022019272]
  COVI-AgentSimは、ウイルス学、病気の進行、社会的接触ネットワーク、移動パターンに基づくエージェントベースのコンパートメンタルシミュレータである。 1)バイナリテスト結果に基づいてバイナリレコメンデーションを割り当てる標準バイナリコンタクトトレース (BCT) と,2) 多様な特徴に基づいてグレードレベルのレコメンデーションを割り当てる特徴ベースコンタクトトレース (FCT) のルールベースの手法である。
  論文  参考訳（メタデータ） (2020-10-30T00:47:01Z)
• Detecting Pancreatic Ductal Adenocarcinoma in Multi-phase CT Scans via Alignment Ensemble [77.5625174267105]
  膵管腺癌(PDAC)は最も致命的ながんの1つである。 複数のフェーズは単一のフェーズよりも多くの情報を提供するが、それらは整列せず、テクスチャにおいて不均一である。 PDAC検出性能を高めるために,これらすべてのアライメントのアンサンブルを提案する。
  論文  参考訳（メタデータ） (2020-03-18T19:06:27Z)

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。