論文の概要: Advancing Limited-Angle CT Reconstruction Through Diffusion-Based Sinogram Completion

• arxiv url: http://arxiv.org/abs/2505.19385v1
• Date: Mon, 26 May 2025 00:59:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-27 16:58:43.084973
• Title: Advancing Limited-Angle CT Reconstruction Through Diffusion-Based Sinogram Completion
• Title（参考訳）: 拡散法によるSinogram Completionによる造影CTの高度化
• Authors: Jiaqi Guo, Santiago Lopez-Tapia, Aggelos K. Katsaggelos,
• Abstract要約: LACT(Limited Angle Computed Tomography)は、角情報がないためにしばしば大きな課題に直面している。 そこで我々は, シングラムのインペイントに焦点をあてる新しい手法を提案する。 平均回帰微分方程式を用いて拡散過程を特徴づける拡散モデルの変種であるMR-SDEを利用する。
• 参考スコア（独自算出の注目度）: 16.097461905457564
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Limited Angle Computed Tomography (LACT) often faces significant challenges due to missing angular information. Unlike previous methods that operate in the image domain, we propose a new method that focuses on sinogram inpainting. We leverage MR-SDEs, a variant of diffusion models that characterize the diffusion process with mean-reverting stochastic differential equations, to fill in missing angular data at the projection level. Furthermore, by combining distillation with constraining the output of the model using the pseudo-inverse of the inpainting matrix, the diffusion process is accelerated and done in a step, enabling efficient and accurate sinogram completion. A subsequent post-processing module back-projects the inpainted sinogram into the image domain and further refines the reconstruction, effectively suppressing artifacts while preserving critical structural details. Quantitative experimental results demonstrate that the proposed method achieves state-of-the-art performance in both perceptual and fidelity quality, offering a promising solution for LACT reconstruction in scientific and clinical applications.
• Abstract（参考訳）: LACT(Limited Angle Computed Tomography)は、角情報がないためにしばしば大きな課題に直面している。 画像領域で機能する従来の方法とは違って, 画像領域の彩色に焦点をあてた新しい手法を提案する。 平均回帰確率微分方程式を用いて拡散過程を特徴付ける拡散モデルの変種であるMR-SDEを用いて、射影レベルでの角データの不足を補う。 さらに、蒸留と塗布マトリックスの擬似逆数を用いてモデルの出力を制約することにより、拡散過程を加速し、ステップで行うことにより、効率よく高精度なシノグラムの完成を可能にする。 その後の後処理モジュールは、塗装されたシノグラムを画像領域にバックプロジェクションし、さらに再構成を洗練させ、重要な構造の詳細を保存しつつ、アーティファクトを効果的に抑制する。 定量的実験により,本手法は知覚品質と忠実度の両方において最先端の性能を達成し,科学的および臨床応用におけるLACT再建に有望なソリューションを提供することが示された。

関連論文リスト

• Timestep-Aware Diffusion Model for Extreme Image Rescaling [47.89362819768323]
  本稿では,時間認識拡散モデル(TADM)と呼ばれる,画像再スケーリングのための新しいフレームワークを提案する。 TADMは、事前訓練されたオートエンコーダの潜在空間で再スケーリング操作を行う。 これは、事前訓練されたテキスト・ツー・イメージ拡散モデルによって学習された強力な自然画像の先行を効果的に活用する。
  論文  参考訳（メタデータ） (2024-08-17T09:51:42Z)
• ReNoise: Real Image Inversion Through Iterative Noising [62.96073631599749]
  本研究では,操作数を増やすことなく,高い品質と操作率の逆転法を導入し,再現精度を向上する。 我々は,近年の高速化拡散モデルを含む様々なサンプリングアルゴリズムとモデルを用いて,Renoise手法の性能を評価する。
  論文  参考訳（メタデータ） (2024-03-21T17:52:08Z)
• Mitigating Data Consistency Induced Discrepancy in Cascaded Diffusion Models for Sparse-view CT Reconstruction [4.227116189483428]
  本研究は, 離散性緩和フレームワークを用いた新規なカスケード拡散について紹介する。 潜在空間の低画質画像生成と画素空間の高画質画像生成を含む。 これは、いくつかの推論ステップをピクセル空間から潜在空間に移すことによって計算コストを最小化する。
  論文  参考訳（メタデータ） (2024-03-14T12:58:28Z)
• Latent Diffusion Prior Enhanced Deep Unfolding for Snapshot Spectral Compressive Imaging [17.511583657111792]
  スナップショット分光画像再構成は、単発2次元圧縮計測から3次元空間スペクトル像を再構成することを目的としている。 我々は, 深部展開法に先立って劣化のないモデルを生成するため, 遅延拡散モデル(LDM)という生成モデルを導入する。
  論文  参考訳（メタデータ） (2023-11-24T04:55:20Z)
• Hierarchical Integration Diffusion Model for Realistic Image Deblurring [71.76410266003917]
  拡散モデル (DM) は画像劣化に導入され, 有望な性能を示した。 本稿では,階層型統合拡散モデル(HI-Diff)を提案する。 人工的および実世界のぼかしデータセットの実験は、HI-Diffが最先端の手法より優れていることを示した。
  論文  参考訳（メタデータ） (2023-05-22T12:18:20Z)
• SPIRiT-Diffusion: Self-Consistency Driven Diffusion Model for Accelerated MRI [14.545736786515837]
  本稿では,k空間の拡散モデルであるSPIRiT-Diffusionを紹介する。 3次元頭蓋内および頸動脈壁画像データセットを用いたSPIRiT-Diffusion法の評価を行った。
  論文  参考訳（メタデータ） (2023-04-11T08:43:52Z)
• Learning Discriminative Shrinkage Deep Networks for Image Deconvolution [122.79108159874426]
  本稿では,これらの用語を暗黙的にモデル化する識別的縮小関数を学習することで,効果的に非盲検デコンボリューション手法を提案する。 実験結果から,提案手法は最先端の手法に対して,効率と精度の点で好適に動作することがわかった。
  論文  参考訳（メタデータ） (2021-11-27T12:12:57Z)

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。