論文の概要: Simulating Sinogram-Domain Motion and Correcting Image-Domain Artifacts Using Deep Learning in HR-pQCT Bone Imaging

• arxiv url: http://arxiv.org/abs/2509.10961v1
• Date: Sat, 13 Sep 2025 19:43:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-16 17:26:22.85496
• Title: Simulating Sinogram-Domain Motion and Correcting Image-Domain Artifacts Using Deep Learning in HR-pQCT Bone Imaging
• Title（参考訳）: HR-pQCT骨像における深部学習を用いたSinogram-Domain運動のシミュレーションと画像-Domainアーチファクトの補正
• Authors: Farhan Sadik, Christopher L. Newman, Stuart J. Warden, Rachel K. Surowiec,
• Abstract要約: HR-pQCT画像における動きアーティファクトをシミュレートするために,従来のシノグラムに基づく手法を最適化する。 本研究では,実世界(ターゲット)データセットと実世界(ターゲット)データセットの両方の動作成果物を扱うために,エッジ強化型自己注意型ワッサースタイン生成適応ネットワーク(ESWGAN-GP)を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Rigid-motion artifacts, such as cortical bone streaking and trabecular smearing, hinder in vivo assessment of bone microstructures in high-resolution peripheral quantitative computed tomography (HR-pQCT). Despite various motion grading techniques, no motion correction methods exist due to the lack of standardized degradation models. We optimize a conventional sinogram-based method to simulate motion artifacts in HR-pQCT images, creating paired datasets of motion-corrupted images and their corresponding ground truth, which enables seamless integration into supervised learning frameworks for motion correction. As such, we propose an Edge-enhanced Self-attention Wasserstein Generative Adversarial Network with Gradient Penalty (ESWGAN-GP) to address motion artifacts in both simulated (source) and real-world (target) datasets. The model incorporates edge-enhancing skip connections to preserve trabecular edges and self-attention mechanisms to capture long-range dependencies, facilitating motion correction. A visual geometry group (VGG)-based perceptual loss is used to reconstruct fine micro-structural features. The ESWGAN-GP achieves a mean signal-to-noise ratio (SNR) of 26.78, structural similarity index measure (SSIM) of 0.81, and visual information fidelity (VIF) of 0.76 for the source dataset, while showing improved performance on the target dataset with an SNR of 29.31, SSIM of 0.87, and VIF of 0.81. The proposed methods address a simplified representation of real-world motion that may not fully capture the complexity of in vivo motion artifacts. Nevertheless, because motion artifacts present one of the foremost challenges to more widespread adoption of this modality, these methods represent an important initial step toward implementing deep learning-based motion correction in HR-pQCT.
• Abstract（参考訳）: 高分解能周辺定量CT(HR-pQCT)における骨微細構造の生体内評価を妨げている。 各種のモーショングレーディング技術にもかかわらず、標準化された劣化モデルが欠如しているため、動作補正手法は存在しない。 本研究では,HR-pQCT画像の動作アーチファクトをシミュレートするための従来手法を最適化し,動き補正のための教師あり学習フレームワークへのシームレスな統合を実現する。 そこで本稿では, 実世界と実世界の両方のデータセットにおいて, 動作アーチファクトに対応するために, グラディエントペナルティ(ESWGAN-GP)を用いたエッジ強化自己注意型ワッサースタイン生成適応ネットワークを提案する。 このモデルでは、エッジエンハンシングスキップ接続を組み込んで、トラベクラーエッジを保存し、長距離依存関係をキャプチャし、動き補正を容易にする自己アテンション機構を組み込んでいる。 視覚的幾何学的グループ(VGG)に基づく知覚的損失を用いて微細構造的特徴を再構築する。 ESWGAN-GPは、26.78の平均信号対雑音比(SNR)、0.81の構造類似度指数測定(SSIM)、ソースデータセットのビジュアル情報忠実度(VIF)を達成し、ターゲットデータセットのSNRが29.31、SSIMが0.87、VIFが0.81である。 提案手法は, 生体内運動アーティファクトの複雑さを完全に把握できないような, 現実の動きの簡易表現に対処する。 しかし, この手法は, HR-pQCTにおける深層学習に基づく動き補正の実現に向けた重要な第一歩となる。

関連論文リスト

• MAISY: Motion-Aware Image SYnthesis for Medical Image Motion Correction [11.150364980770675]
  本研究では、まず動きを特徴付ける動き認識画像合成法(MAISY)を提案する。 胸部CTおよび頭部CTを用いた実験では、我々のモデルは最先端のモデルよりも優れていた。
  論文  参考訳（メタデータ） (2025-05-07T03:44:28Z)
• Res-MoCoDiff: Residual-guided diffusion models for motion artifact correction in brain MRI [4.893666625661374]
  脳MRIの動作アーティファクトは、主に硬直した頭部の動きから、画質を低下させ、下流の応用を妨げる。 本研究では,MRIの運動アーチファクト修正に特化して設計された効率的な拡散確率モデルであるRes-MoCoDiffを紹介する。 提案手法は, 微少, 中等度, 重歪レベルにわたる運動アーティファクトの除去において, 優れた性能を示した。
  論文  参考訳（メタデータ） (2025-05-06T13:02:40Z)
• ReCoM: Realistic Co-Speech Motion Generation with Recurrent Embedded Transformer [58.49950218437718]
  音声に同期した高忠実で一般化可能な人体動作を生成するための効率的なフレームワークであるReCoMを提案する。 Recurrent Embedded Transformer (RET)は、動的埋め込み正規化(DER)をViT(Vit)コアアーキテクチャに統合する。 モデルロバスト性を高めるため,ノイズ抵抗とクロスドメイン一般化の二重性を持つモデルに,提案したDER戦略を取り入れた。
  論文  参考訳（メタデータ） (2025-03-27T16:39:40Z)
• Pixel-Inconsistency Modeling for Image Manipulation Localization [59.968362815126326]
  デジタル画像法医学は、画像認証と操作のローカライゼーションにおいて重要な役割を果たす。 本稿では,画素不整合アーチファクトの解析を通じて,一般化されたロバストな操作ローカライゼーションモデルを提案する。 実験により,本手法は固有の画素不整合偽指紋を抽出することに成功した。
  論文  参考訳（メタデータ） (2023-09-30T02:54:51Z)
• 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)
• Adaptive Local-Component-aware Graph Convolutional Network for One-shot Skeleton-based Action Recognition [54.23513799338309]
  骨格に基づく行動認識のための適応的局所成分認識グラフ畳み込みネットワークを提案する。 我々の手法はグローバルな埋め込みよりも強力な表現を提供し、我々のモデルが最先端に到達するのに役立ちます。
  論文  参考訳（メタデータ） (2022-09-21T02:33:07Z)
• Towards Scale Consistent Monocular Visual Odometry by Learning from the Virtual World [83.36195426897768]
  仮想データから絶対スケールを取得するための新しいフレームワークであるVRVOを提案する。 まず、モノクロ実画像とステレオ仮想データの両方を用いて、スケール対応の異種ネットワークをトレーニングする。 結果として生じるスケール一貫性の相違は、直接VOシステムと統合される。
  論文  参考訳（メタデータ） (2022-03-11T01:51:54Z)

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。