論文の概要: Hybrid Swin Attention Networks for Simultaneously Low-Dose PET and CT Denoising

• arxiv url: http://arxiv.org/abs/2509.06591v2
• Date: Tue, 09 Sep 2025 13:00:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-10 12:33:22.843424
• Title: Hybrid Swin Attention Networks for Simultaneously Low-Dose PET and CT Denoising
• Title（参考訳）: 低線量PETとCTの同時脱ノイズのためのハイブリッドスイニングアテンションネットワーク
• Authors: Yichao Liu, Hengzhi Xue, YueYang Teng,
• Abstract要約: 低線量CT(LDCT)とポジトロン・エミッション・トモグラフィ(PET)は、放射線被曝を著しく低減し、従来の画像モダリティよりも安全な代替手段として登場した。 LDCT/PETは, 放射線安全性を維持しつつ, 画質向上をめざした研究の重要領域となっている。 我々は,EGA(Efficient Global Attention)モジュールとハイブリッド・アップサンプリング・モジュールを組み込んだ新しいハイブリッド・スウィン・アテンション・ネットワーク(HSANet)を導入する。
• 参考スコア（独自算出の注目度）: 2.0966561397155647
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Low-dose computed tomography (LDCT) and positron emission tomography (PET) have emerged as safer alternatives to conventional imaging modalities by significantly reducing radiation exposure. However, this reduction often results in increased noise and artifacts, which can compromise diagnostic accuracy. Consequently, denoising for LDCT/PET has become a vital area of research aimed at enhancing image quality while maintaining radiation safety. In this study, we introduce a novel Hybrid Swin Attention Network (HSANet), which incorporates Efficient Global Attention (EGA) modules and a hybrid upsampling module. The EGA modules enhance both spatial and channel-wise interaction, improving the network's capacity to capture relevant features, while the hybrid upsampling module mitigates the risk of overfitting to noise. We validate the proposed approach using a publicly available LDCT/PET dataset. Experimental results demonstrate that HSANet achieves superior denoising performance compared to existing methods, while maintaining a lightweight model size suitable for deployment on GPUs with standard memory configurations. This makes our approach highly practical for real-world clinical applications.
• Abstract（参考訳）: 低線量CT(LDCT)とポジトロン・エミッション・トモグラフィ(PET)は、放射線被曝を著しく低減し、従来の画像モダリティよりも安全な代替手段として登場した。 しかし、この減少は、しばしばノイズやアーティファクトを増大させ、診断精度を損なう可能性がある。 その結果,LDCT/PETの脱ノイズは,放射線安全性を維持しつつ画像品質を向上させる研究の重要領域となっている。 本研究では,効率的なグローバル・アテンション(EGA)モジュールとハイブリッド・アップサンプリング・モジュールを組み込んだ新しいハイブリッド・スウィン・アテンション・ネットワーク(HSANet)を提案する。 EGAモジュールは空間的およびチャネル的な相互作用を強化し、関連する特徴を捉えるためのネットワークの容量を向上する一方、ハイブリッドアップサンプリングモジュールはノイズへの過度な適合のリスクを軽減する。 LDCT/PETデータセットを用いて提案手法を検証した。 実験結果から,HSANetは,標準メモリ構成のGPU上での展開に適した軽量モデルサイズを維持しつつ,既存手法よりも優れたデノナイズ性能を実現することが示された。 これにより、実際の臨床応用には非常に実用的です。

関連論文リスト

• MDAA-Diff: CT-Guided Multi-Dose Adaptive Attention Diffusion Model for PET Denoising [10.535083130484706]
  そこで本研究では,多線量PET復調のための新しいCT-Guided Multi-Dose Adaptive Attention Denoising Diffusion Model (MDAA-Diff)を提案する。 提案手法は,低用量条件下での消音性能を向上させるために,解剖学的ガイダンスと線量レベル適応を統合した。
  論文  参考訳（メタデータ） (2025-05-08T10:27:12Z)
• Two-stage deep learning framework for the restoration of incomplete-ring PET images [0.6478690173421426]
  約50%の偶然を欠いたデータから高品質な画像を復元する2段階のディープラーニングフレームワークを提案する。 また, 推論速度も向上し, 不完全リングPET画像の有効解が得られた。
  論文  参考訳（メタデータ） (2025-04-01T14:05:32Z)
• Memory-efficient High-resolution OCT Volume Synthesis with Cascaded Amortized Latent Diffusion Models [48.87160158792048]
  本稿では,高分解能CTボリュームをメモリ効率よく合成できるCA-LDM(Cascaded amortized Latent diffusion model)を提案する。 公開高解像度OCTデータセットを用いた実験により、我々の合成データは、既存の手法の能力を超越した、現実的な高解像度かつグローバルな特徴を持つことが示された。
  論文  参考訳（メタデータ） (2024-05-26T10:58:22Z)
• Hybrid Convolutional and Attention Network for Hyperspectral Image Denoising [54.110544509099526]
  ハイパースペクトル画像(HSI)は、ハイパースペクトルデータの効果的な解析と解釈に重要である。 ハイブリット・コンボリューション・アテンション・ネットワーク(HCANet)を提案する。 主流HSIデータセットに対する実験結果は,提案したHCANetの合理性と有効性を示している。
  論文  参考訳（メタデータ） (2024-03-15T07:18:43Z)
• 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)
• Brain Imaging-to-Graph Generation using Adversarial Hierarchical Diffusion Models for MCI Causality Analysis [44.45598796591008]
  機能的磁気共鳴画像(fMRI)を軽度認知障害解析のための効果的な接続性にマッピングするために,脳画像から画像へのBIGG(Brain Imaging-to-graph generation)フレームワークを提案する。 発電機の階層変換器は、複数のスケールでノイズを推定するように設計されている。 ADNIデータセットの評価は,提案モデルの有効性と有効性を示す。
  論文  参考訳（メタデータ） (2023-05-18T06:54:56Z)
• Cross-domain Denoising for Low-dose Multi-frame Spiral Computed Tomography [20.463308418655526]
  X線被曝は、がんなどの潜在的な健康リスクへの懸念を引き起こす。 放射線線量を減らすという欲求は、研究者に再建の質の向上を促した。 本稿では,市販マルチスライス・スパイラルCTスキャナの2段階化手法を提案する。
  論文  参考訳（メタデータ） (2023-04-21T09:30:22Z)
• 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)
• Multi-Channel Convolutional Analysis Operator Learning for Dual-Energy CT Reconstruction [108.06731611196291]
  我々は,多チャンネル畳み込み解析演算子学習法(MCAOL)を開発した。 本研究では,低エネルギー,高エネルギーで減衰画像を共同で再構成する最適化手法を提案する。
  論文  参考訳（メタデータ） (2022-03-10T14:22:54Z)
• Anatomical-Guided Attention Enhances Unsupervised PET Image Denoising Performance [0.0]
  解剖学的情報誘導型注意機構に基づく教師なし3次元PET画像復調手法を提案する。 MR-GDD(MR-GDD)はMR-Guidance画像の空間的詳細と意味的特徴をより効果的に活用する。
  論文  参考訳（メタデータ） (2021-09-02T09:27:07Z)

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。