Fugu-MT 論文翻訳(概要): MS-IQA: A Multi-Scale Feature Fusion Network for PET/CT Image Quality Assessment

論文の概要: MS-IQA: A Multi-Scale Feature Fusion Network for PET/CT Image Quality Assessment

arxiv url: http://arxiv.org/abs/2506.20200v1
Date: Wed, 25 Jun 2025 07:41:03 GMT
ステータス: 翻訳完了
システム内更新日: 2025-06-26 21:00:42.648078
Title: MS-IQA: A Multi-Scale Feature Fusion Network for PET/CT Image Quality Assessment
Title（参考訳）: MS-IQA:PET/CT画像品質評価のためのマルチスケール機能融合ネットワーク
Authors: Siqiao Li, Chen Hui, Wei Zhang, Rui Liang, Chenyue Song, Feng Jiang, Haiqi Zhu, Zhixuan Li, Hong Huang, Xiang Li,
Abstract要約: 医用画像品質評価のためのマルチスケール機能融合ネットワークMS-IQAを提案する。提案手法は,様々なIQA測定値において,既存の最先端手法よりも優れた性能を実現している。この研究はPET/CTのための正確で効率的なIQA法を提供する。
参考スコア（独自算出の注目度）: 14.991416728922642
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Positron Emission Tomography / Computed Tomography (PET/CT) plays a critical role in medical imaging, combining functional and anatomical information to aid in accurate diagnosis. However, image quality degradation due to noise, compression and other factors could potentially lead to diagnostic uncertainty and increase the risk of misdiagnosis. When evaluating the quality of a PET/CT image, both low-level features like distortions and high-level features like organ anatomical structures affect the diagnostic value of the image. However, existing medical image quality assessment (IQA) methods are unable to account for both feature types simultaneously. In this work, we propose MS-IQA, a novel multi-scale feature fusion network for PET/CT IQA, which utilizes multi-scale features from various intermediate layers of ResNet and Swin Transformer, enhancing its ability of perceiving both local and global information. In addition, a multi-scale feature fusion module is also introduced to effectively combine high-level and low-level information through a dynamically weighted channel attention mechanism. Finally, to fill the blank of PET/CT IQA dataset, we construct PET-CT-IQA-DS, a dataset containing 2,700 varying-quality PET/CT images with quality scores assigned by radiologists. Experiments on our dataset and the publicly available LDCTIQAC2023 dataset demonstrate that our proposed model has achieved superior performance against existing state-of-the-art methods in various IQA metrics. This work provides an accurate and efficient IQA method for PET/CT. Our code and dataset are available at https://github.com/MS-IQA/MS-IQA/.
Abstract（参考訳）: PET/CT(Positron Emission Tomography / Computed Tomography)は、医学的イメージングにおいて重要な役割を担い、機能的および解剖学的情報を組み合わせて正確な診断を支援する。しかし、ノイズ、圧縮、その他の要因による画質劣化は、診断の不確実性を引き起こし、誤診のリスクを増大させる可能性がある。 PET/CT画像の品質を評価する際には、歪みのような低レベルの特徴と、臓器解剖学的構造のような高レベルの特徴の両方が画像の診断値に影響を与える。しかし,既存の医療画像品質評価(IQA)手法では,両方の特徴を同時に考慮できない。本研究では,ResNet と Swin Transformer の中間層からのマルチスケール特徴を利用した PET/CT IQA 用マルチスケール機能融合ネットワーク MS-IQA を提案する。さらに、動的に重み付けされたチャネルアテンション機構により、高レベルおよび低レベル情報を効果的に結合するマルチスケール機能融合モジュールも導入された。最後に,PET/CT IQAデータセットの空白を埋めるために,PET-CT-IQA-DSを構築した。我々のデータセットとLDCTIQAC2023データセットに関する実験は、提案モデルが、様々なIQAメトリクスにおける既存の最先端手法よりも優れた性能を示したことを示している。この研究はPET/CTのための正確で効率的なIQA法を提供する。私たちのコードとデータセットはhttps://github.com/MS-IQA/MS-IQA/で公開されています。

関連論文リスト

CT to PET Translation: A Large-scale Dataset and Domain-Knowledge-Guided Diffusion Approach [4.4202829112545015]
PET(Positron Emission Tomography)とCT(Computed Tomography)は、様々な疾患、特にがんの診断、ステージング、モニタリングに不可欠である。その重要性にもかかわらず、PET/CTシステムの使用は、放射性物質の必要性、PETスキャナーの不足、PETイメージングに関連する高コストによって制限されている。これらの課題に対して,CT画像からPET画像を生成するという課題に対処し,医療検査コストと患者の健康リスクの両面で低減することを目的とした。
論文参考訳（メタデータ） (2024-10-29T10:48:52Z)
From FDG to PSMA: A Hitchhiker's Guide to Multitracer, Multicenter Lesion Segmentation in PET/CT Imaging [0.9384264274298444]
本稿では,ResEncL アーキテクチャを用いた nnU-Net フレームワークを用いたマルチトラス,マルチセンタの一般化を目的とした AutoPET III チャレンジの解決策を提案する。主なテクニックは、CT、MR、PETデータセット間での誤調整データ拡張とマルチモーダル事前トレーニングである。 Diceスコアが57.61となったデフォルトのnnU-Netと比較して、Diceスコアが68.40であり、偽陽性(FPvol: 7.82)と偽陰性(FNvol: 10.35)が減少している。
論文参考訳（メタデータ） (2024-09-14T16:39:17Z)
DP-IQA: Utilizing Diffusion Prior for Blind Image Quality Assessment in the Wild [73.6767681305851]
野生のブラインド画像品質評価(IQA)は重大な課題を呈している。大規模なトレーニングデータの収集が困難であることを考えると、厳密な一般化モデルを開発するために限られたデータを活用することは、未解決の問題である。事前訓練されたテキスト・ツー・イメージ(T2I)拡散モデルの堅牢な画像認識能力により,新しいIQA法,拡散先行に基づくIQAを提案する。
論文参考訳（メタデータ） (2024-05-30T12:32:35Z)
Adaptive Feature Selection for No-Reference Image Quality Assessment by Mitigating Semantic Noise Sensitivity [55.399230250413986]
上流タスクから有害なセマンティックノイズを除去するためのQFM-IQM(Quality-Aware Feature Matching IQA Metric)を提案する。提案手法は,8つの標準IQAデータセット上での最先端NR-IQA法よりも優れた性能を実現する。
論文参考訳（メタデータ） (2023-12-11T06:50:27Z)
MD-IQA: Learning Multi-scale Distributed Image Quality Assessment with Semi Supervised Learning for Low Dose CT [6.158876574189994]
画像品質評価(IQA)は放射線線量最適化と新しい医用イメージング技術開発において重要な役割を担っている。最近の深層学習に基づくアプローチは、強力なモデリング能力と医療IQAの可能性を示している。本稿では,出力分布を制約して品質スコアを予測するため,マルチスケール分布回帰手法を提案する。
論文参考訳（メタデータ） (2023-11-14T09:33:33Z)
Contrastive Diffusion Model with Auxiliary Guidance for Coarse-to-Fine PET Reconstruction [62.29541106695824]
本稿では, 粗い予測モジュール (CPM) と反復的修正モジュール (IRM) から構成される粗大なPET再構成フレームワークを提案する。計算オーバーヘッドの大部分をCPMに委譲することで,本手法のサンプリング速度を大幅に向上させることができる。 2つの追加戦略、すなわち補助的な誘導戦略と対照的な拡散戦略が提案され、再構築プロセスに統合される。
論文参考訳（メタデータ） (2023-08-20T04:10:36Z)
Computer-Aided Cytology Diagnosis in Animals: CNN-Based Image Quality Assessment for Accurate Disease Classification [0.1420200946324199]
本稿では,畳み込みニューラルネットワーク(CNN)を用いた画像品質評価(IQA)に焦点を当てる。システムのビルディングブロックはIQAをシームレスに統合するように調整されており、疾患分類の信頼性を保証する。
論文参考訳（メタデータ） (2023-08-11T10:09:08Z)
Hyper-Connected Transformer Network for Multi-Modality PET-CT Segmentation [16.999643199612244]
PET-CT画像のコラーニングは, 自動腫瘍セグメンテーションの基本的な要件である。マルチモダリティPET-CT画像のためのハイパーコネクテッドフュージョンとトランスフォーマネットワーク(TN)を統合した超コネクテッドトランスフォーマネットワークを提案する。以上の結果から, HCTは既存の方法と比較して, セグメンテーション精度が向上したことが明らかとなった。
論文参考訳（メタデータ） (2022-10-28T00:03:43Z)

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。