論文の概要: CAPRI-CT: Causal Analysis and Predictive Reasoning for Image Quality Optimization in Computed Tomography

• arxiv url: http://arxiv.org/abs/2507.17420v1
• Date: Wed, 23 Jul 2025 11:23:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-24 22:33:14.972214
• Title: CAPRI-CT: Causal Analysis and Predictive Reasoning for Image Quality Optimization in Computed Tomography
• Title（参考訳）: CAPRI-CT:CTにおける画像品質最適化のための因果解析と予測推論
• Authors: Sneha George Gnanakalavathy, Hairil Abdul Razak, Robert Meertens, Jonathan E. Fieldsend, Xujiong Ye, Mohammed M. Abdelsamea,
• Abstract要約: CAPRI-CTは、CT画像における画像品質最適化のための因果解析および予測推論のための因果学習フレームワークである。 画像データと取得メタデータを統合し、画像品質に影響を与える根底にある因果関係をモデル化する。 アンサンブル学習アプローチを用いてトレーニングされ、検証され、強力な予測性能を達成する。
• 参考スコア（独自算出の注目度）: 2.422970122886921
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In computed tomography (CT), achieving high image quality while minimizing radiation exposure remains a key clinical challenge. This paper presents CAPRI-CT, a novel causal-aware deep learning framework for Causal Analysis and Predictive Reasoning for Image Quality Optimization in CT imaging. CAPRI-CT integrates image data with acquisition metadata (such as tube voltage, tube current, and contrast agent types) to model the underlying causal relationships that influence image quality. An ensemble of Variational Autoencoders (VAEs) is employed to extract meaningful features and generate causal representations from observational data, including CT images and associated imaging parameters. These input features are fused to predict the Signal-to-Noise Ratio (SNR) and support counterfactual inference, enabling what-if simulations, such as changes in contrast agents (types and concentrations) or scan parameters. CAPRI-CT is trained and validated using an ensemble learning approach, achieving strong predictive performance. By facilitating both prediction and interpretability, CAPRI-CT provides actionable insights that could help radiologists and technicians design more efficient CT protocols without repeated physical scans. The source code and dataset are publicly available at https://github.com/SnehaGeorge22/capri-ct.
• Abstract（参考訳）: CT(Computerd tomography)では,放射線照射を最小化しながら高画質を実現することが重要な臨床課題である。 本稿では,CT画像における画像品質最適化のための因果解析と予測推論のための新しい因果学習フレームワークであるCAPRI-CTを提案する。 CAPRI-CTは画像データと取得メタデータ(管電圧、管電流、コントラストエージェントタイプなど)を統合し、画像品質に影響を与える根底にある因果関係をモデル化する。 可変オートエンコーダ(VAE)のアンサンブルを用いて意味のある特徴を抽出し、CT画像や関連する画像パラメータを含む観測データから因果表現を生成する。 これらの入力特徴は、SNR(Signal-to-Noise Ratio)を予測するために融合され、反ファクト推論をサポートし、コントラストエージェント(型と濃度)の変化やスキャンパラメータなどのシミュレーションを可能にする。 CAPRI-CTは、アンサンブル学習アプローチを用いて訓練され、検証され、強い予測性能を達成する。 CAPRI-CTは、予測と解釈可能性の両方を容易にすることで、放射線技師や技術者が物理スキャンを繰り返すことなくより効率的なCTプロトコルを設計するのに役立つ、実用的な洞察を提供する。 ソースコードとデータセットはhttps://github.com/SnehaGeorge22/capri-ct.comで公開されている。

関連論文リスト

• Beyond Pixels: Medical Image Quality Assessment with Implicit Neural Representations [2.0934875997852096]
  アーティファクトは、診断精度と下流分析に影響を及ぼす医療画像において重要な課題となる。 画像品質評価に暗黙的ニューラル表現(INR)を用いることを提案する。 本手法は合成人工物パターンを用いてACDCデータセットを用いて評価する。
  論文  参考訳（メタデータ） (2025-08-07T09:00:06Z)
• 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)
• SinoSynth: A Physics-based Domain Randomization Approach for Generalizable CBCT Image Enhancement [19.059201978992064]
  Cone Beam Computed Tomography (CBCT) は医学に様々な応用がある。 CBCT画像のノイズやアーティファクトへの感受性は、その有用性と信頼性の両方を損なう。 Sino Synthは、様々なCBCT固有のアーティファクトをシミュレートし、多様なCBCT画像を生成する物理に基づく分解モデルである。
  論文  参考訳（メタデータ） (2024-09-27T00:22:02Z)
• Radiology Report Generation Using Transformers Conditioned with Non-imaging Data [55.17268696112258]
  本稿では,胸部X線画像と関連する患者の人口統計情報を統合したマルチモーダルトランスフォーマーネットワークを提案する。 提案ネットワークは、畳み込みニューラルネットワークを用いて、CXRから視覚的特徴を抽出し、その視覚的特徴と患者の人口統計情報のセマンティックテキスト埋め込みを組み合わせたトランスフォーマーベースのエンコーダデコーダネットワークである。
  論文  参考訳（メタデータ） (2023-11-18T14:52:26Z)
• Feature-oriented Deep Learning Framework for Pulmonary Cone-beam CT (CBCT) Enhancement with Multi-task Customized Perceptual Loss [9.59233136691378]
  コーンビームCT(CBCT)は画像誘導放射線治療中に定期的に収集される。 近年, 深層学習に基づくCBCT強調法は, 人工物抑制に有望な成果を上げている。 本稿では,高画質CBCT画像から高画質CTライク画像へ変換する特徴指向ディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-11-01T10:09:01Z)
• Latent Diffusion Model for Medical Image Standardization and Enhancement [11.295078152769559]
  DiffusionCTは、異なる非標準分布を標準化形式に変換するスコアベースのDDPMモデルである。 このアーキテクチャは、ボトルネック位置に統合されたDDPMモデルにより強化されたU-Netベースのエンコーダデコーダを含む。 DiffusionCTによる画像の標準化の顕著な改善が示唆された。
  論文  参考訳（メタデータ） (2023-10-08T17:11:14Z)
• K-Space-Aware Cross-Modality Score for Synthesized Neuroimage Quality Assessment [71.27193056354741]
  クロスモダリティな医用画像合成をどう評価するかという問題は、ほとんど解明されていない。 本稿では,この課題の進展を促すため,新しい指標K-CROSSを提案する。 K-CROSSは、トレーニング済みのマルチモードセグメンテーションネットワークを使用して、病変の位置を予測する。
  論文  参考訳（メタデータ） (2023-07-10T01:26:48Z)
• Enhanced Sharp-GAN For Histopathology Image Synthesis [63.845552349914186]
  病理組織像合成は、正確ながん検出のためのディープラーニングアプローチの訓練において、データ不足の問題に対処することを目的としている。 核トポロジと輪郭正則化を用いて合成画像の品質を向上させる新しい手法を提案する。 提案手法は、Sharp-GANを2つのデータセット上の4つの画像品質指標すべてで上回る。
  論文  参考訳（メタデータ） (2023-01-24T17:54:01Z)
• Negligible effect of brain MRI data preprocessing for tumor segmentation [36.89606202543839]
  我々は3つの公開データセットの実験を行い、ディープニューラルネットワークにおける異なる前処理ステップの効果を評価する。 その結果、最も一般的な標準化手順は、ネットワーク性能に何の価値も与えないことが示されている。 画像の規格化に伴う信号分散の低減のため,画像強度正規化手法はモデル精度に寄与しない。
  論文  参考訳（メタデータ） (2022-04-11T17:29:36Z)
• Self-Attention Generative Adversarial Network for Iterative Reconstruction of CT Images [0.9208007322096533]
  本研究の目的は、ノイズや不完全なデータから高品質なCT画像を再構成するために、単一のニューラルネットワークを訓練することである。 ネットワークには、データ内の長距離依存関係をモデル化するセルフアテンションブロックが含まれている。 我々のアプローチはCIRCLE GANに匹敵する全体的なパフォーマンスを示し、他の2つのアプローチよりも優れています。
  論文  参考訳（メタデータ） (2021-12-23T19:20:38Z)
• Incremental Cross-view Mutual Distillation for Self-supervised Medical CT Synthesis [88.39466012709205]
  本稿では,スライス間の分解能を高めるために,新しい医療スライスを構築した。 臨床実践において, 根本・中間医療スライスは常に欠落していることを考慮し, 相互蒸留の段階的相互蒸留戦略を導入する。 提案手法は,最先端のアルゴリズムよりも明確なマージンで優れる。
  論文  参考訳（メタデータ） (2021-12-20T03:38:37Z)
• 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)
• Pathological Retinal Region Segmentation From OCT Images Using Geometric Relation Based Augmentation [84.7571086566595]
  本稿では,幾何学と形状の内在的関係を共同で符号化することで,従来のGANベースの医用画像合成法よりも優れた手法を提案する。 提案手法は,取得手順の異なる画像を有する公開RETOUCHデータセット上で,最先端のセグメンテーション手法より優れている。
  論文  参考訳（メタデータ） (2020-03-31T11:50:43Z)

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。