論文の概要: Enhancing Synthetic CT from CBCT via Multimodal Fusion and End-To-End Registration

• arxiv url: http://arxiv.org/abs/2507.06067v1
• Date: Tue, 08 Jul 2025 15:10:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-09 16:34:38.248317
• Title: Enhancing Synthetic CT from CBCT via Multimodal Fusion and End-To-End Registration
• Title（参考訳）: CBCTからのマルチモーダル核融合とエンド・ツー・エンドレジストレーションによる合成CTの強化
• Authors: Maximilian Tschuchnig, Lukas Lamminger, Philipp Steininger, Michael Gadermayr,
• Abstract要約: Cone-Beam Computed Tomography (CBCT) は術中画像撮影に広く用いられている。 CBCT画像は、通常、CT(Computed Tomography)と比較して、アーティファクトと画質の低下に悩まされる。
• 参考スコア（独自算出の注目度）: 0.19999259391104385
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cone-Beam Computed Tomography (CBCT) is widely used for intraoperative imaging due to its rapid acquisition and low radiation dose. However, CBCT images typically suffer from artifacts and lower visual quality compared to conventional Computed Tomography (CT). A promising solution is synthetic CT (sCT) generation, where CBCT volumes are translated into the CT domain. In this work, we enhance sCT generation through multimodal learning by jointly leveraging intraoperative CBCT and preoperative CT data. To overcome the inherent misalignment between modalities, we introduce an end-to-end learnable registration module within the sCT pipeline. This model is evaluated on a controlled synthetic dataset, allowing precise manipulation of data quality and alignment parameters. Further, we validate its robustness and generalizability on two real-world clinical datasets. Experimental results demonstrate that integrating registration in multimodal sCT generation improves sCT quality, outperforming baseline multimodal methods in 79 out of 90 evaluation settings. Notably, the improvement is most significant in cases where CBCT quality is low and the preoperative CT is moderately misaligned.
• Abstract（参考訳）: Cone-Beam Computed Tomography (CBCT) は術中画像撮影に広く用いられている。 しかし、CBCT画像は通常、従来のCT(Computerd Tomography)と比較して、アーチファクトや視力の低下に悩まされる。 有望な解決策は合成CT(sCT)生成であり、CBCTボリュームはCTドメインに変換される。 本研究では,術中CBCTと術前CTデータを併用することにより,マルチモーダル学習によるsCT生成の促進を図る。 そこで本研究では,sCTパイプライン内にエンドツーエンドの学習可能な登録モジュールを導入する。 このモデルは、制御された合成データセットで評価され、データ品質とアライメントパラメータを正確に操作することができる。 さらに,2つの実世界の臨床データセットに対するロバスト性と一般化性について検証した。 実験結果から,90項目中79項目において,マルチモーダルなsCT生成に登録を組み込むことで,sCTの質が向上し,ベースラインのマルチモーダル法が79項目において優れていた。 特にCBCTの品質が低く,術前CTが適度に不一致している症例では,改善がもっとも重要である。

関連論文リスト

• Enhancing Synthetic CT from CBCT via Multimodal Fusion: A Study on the Impact of CBCT Quality and Alignment [0.19999259391104385]
  Cone-Beam Computed Tomography (CBCT) は, 放射線線量が少なく, 取得速度が高いために, リアルタイムの術中画像撮影に広く用いられている。 CBCTはその高解像度にもかかわらず、従来のCT(Computed Tomography)と比較すると、重要なアーティファクトに悩まされ、視覚的品質が低下する。 これらのアーティファクトを緩和するための最近のアプローチは、CBCTボリュームをCTドメインに翻訳する合成CT(sCT)生成である。
  論文  参考訳（メタデータ） (2025-06-10T12:02:16Z)
• Initial Study On Improving Segmentation By Combining Preoperative CT And Intraoperative CBCT Using Synthetic Data [0.21847754147782888]
  コーンビームCT(CBCT)は、コンピュータによる介入を促進するために用いられる。 高品質の術前スキャンが利用可能であることは、改善の可能性を秘めている。 本稿では,CBCTとCTのほぼ一致したスキャンを融合するマルチモーダル学習法を提案する。
  論文  参考訳（メタデータ） (2024-12-03T09:08:38Z)
• 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)
• 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)
• 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。