論文の概要: CPT-4DMR: Continuous sPatial-Temporal Representation for 4D-MRI Reconstruction

• arxiv url: http://arxiv.org/abs/2509.18427v1
• Date: Mon, 22 Sep 2025 21:18:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-24 20:41:27.592738
• Title: CPT-4DMR: Continuous sPatial-Temporal Representation for 4D-MRI Reconstruction
• Title（参考訳）: CPT-4DMR : 4次元画像再構成のための連続spatial-Temporal Representation
• Authors: Xinyang Wu, Muheng Li, Xia Li, Orso Pusterla, Sairos Safai, Philippe C. Cattin, Antony J. Lomax, Ye Zhang,
• Abstract要約: 呼吸運動を1次元代理信号による滑らかで連続的な変形とみなす神経機構を導入する。 提案手法は, 処理時間を5時間程度から15分程度に短縮し, 効率を大幅に向上させる。 従来の方法に比べて優れた性能を示し,4次元放射線治療計画やリアルタイム適応治療への応用の可能性を示す。
• 参考スコア（独自算出の注目度）: 11.238319012891324
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Four-dimensional MRI (4D-MRI) is an promising technique for capturing respiratory-induced motion in radiation therapy planning and delivery. Conventional 4D reconstruction methods, which typically rely on phase binning or separate template scans, struggle to capture temporal variability, complicate workflows, and impose heavy computational loads. We introduce a neural representation framework that considers respiratory motion as a smooth, continuous deformation steered by a 1D surrogate signal, completely replacing the conventional discrete sorting approach. The new method fuses motion modeling with image reconstruction through two synergistic networks: the Spatial Anatomy Network (SAN) encodes a continuous 3D anatomical representation, while a Temporal Motion Network (TMN), guided by Transformer-derived respiratory signals, produces temporally consistent deformation fields. Evaluation using a free-breathing dataset of 19 volunteers demonstrates that our template- and phase-free method accurately captures both regular and irregular respiratory patterns, while preserving vessel and bronchial continuity with high anatomical fidelity. The proposed method significantly improves efficiency, reducing the total processing time from approximately five hours required by conventional discrete sorting methods to just 15 minutes of training. Furthermore, it enables inference of each 3D volume in under one second. The framework accurately reconstructs 3D images at any respiratory state, achieves superior performance compared to conventional methods, and demonstrates strong potential for application in 4D radiation therapy planning and real-time adaptive treatment.
• Abstract（参考訳）: 4次元MRI(4D-MRI)は放射線治療の計画と納入において呼吸誘発運動を捉える上で有望な技術である。 従来の4D再構成法は、通常フェーズバイニングやテンプレートスキャンに頼り、時間的変動を捉え、ワークフローを複雑化し、重い計算負荷を課すのに苦労する。 呼吸運動を1次元代理信号による滑らかで連続的な変形とみなす神経表現の枠組みを導入し,従来の離散的ソート手法を完全に置き換えた。 空間解剖ネットワーク(SAN)は連続した3次元解剖表現を符号化し、テンポラルモーションネットワーク(TMN)はトランスフォーマー由来の呼吸信号によって誘導され、時間的に一貫した変形場を生成する。 19名のボランティアのフリーブレスティングデータセットを用いて評価したところ、テンプレートとフェーズフリーの手法は、正常な呼吸パターンと不規則な呼吸パターンの両方を正確に捉えつつ、血管と気管支の連続性を高い解剖学的忠実度で保存していることがわかった。 提案手法は,従来の離散選別法で要求される処理時間を5時間程度から15分程度に短縮し,効率を大幅に向上させる。 さらに、各3Dボリュームを1秒未満で推測できる。 本フレームワークは, 呼吸状態の3次元画像を正確に再構成し, 従来の方法に比べて優れた性能を示し, 4次元放射線治療計画やリアルタイム適応治療への応用の可能性を示す。

関連論文リスト

• Accelerating 3D Photoacoustic Computed Tomography with End-to-End Physics-Aware Neural Operators [74.65171736966131]
  光音響計算トモグラフィ(PACT)は、光コントラストと超音波分解能を組み合わせることで、光拡散限界を超える深部像を実現する。 現在の実装では、高密度トランスデューサアレイと長い取得時間を必要とし、臨床翻訳を制限している。 本研究では,センサ計測からボリューム再構成まで,逆音響マッピングを直接学習する物理認識モデルであるPanoを紹介する。
  論文  参考訳（メタデータ） (2025-09-11T23:12:55Z)
• 3D Wavelet Latent Diffusion Model for Whole-Body MR-to-CT Modality Translation [13.252652406393205]
  既存の全身画像のためのMR-to-CT法では、生成したCT画像と入力したMR画像との空間的アライメントが低くなることが多い。 本稿では,これらの制約に対処する新しい3次元ウェーブレット遅延拡散モデル(3D-WLDM)を提案する。 エンコーダ・デコーダアーキテクチャにWavelet Residual Moduleを組み込むことで,画像空間と潜伏空間をまたいだ微細な特徴の捕捉と再構築が促進される。
  論文  参考訳（メタデータ） (2025-07-14T06:17:05Z)
• X$^{2}$-Gaussian: 4D Radiative Gaussian Splatting for Continuous-time Tomographic Reconstruction [45.31051025401413]
  X$2$-Gaussianは、連続4DCT再構成のための新しいフレームワークである。 動的放射スプラッティングと自己監督型呼吸運動学習を統合している。 従来の手法に比べて9.93dBのPSNR向上と2.25dBの改善を実現している。
  論文  参考訳（メタデータ） (2025-03-27T17:59:57Z)
• 4DRGS: 4D Radiative Gaussian Splatting for Efficient 3D Vessel Reconstruction from Sparse-View Dynamic DSA Images [49.170407434313475]
  既存の手法は、しばしば最適以下の結果を生成するか、過剰な計算時間を必要とする。 高品質な高精細化を実現するため、4次元ガウススプラッティング(4DRGS)を提案する。 4DRGSは5分間のトレーニングで印象的な結果を得る。
  論文  参考訳（メタデータ） (2024-12-17T13:51:56Z)
• Resolving Variable Respiratory Motion From Unsorted 4D Computed Tomography [0.6938240959023204]
  代理駆動運動モデルは、4DCTからのCTセグメントに基づいて複数の周期にわたる可変運動を推定することができる。 本手法は,呼吸と呼吸の変動を含む動きの推定値とともに,高品質な動き補正画像を生成する。
  論文  参考訳（メタデータ） (2024-06-30T11:22:55Z)
• 3D Vessel Reconstruction from Sparse-View Dynamic DSA Images via Vessel Probability Guided Attenuation Learning [79.60829508459753]
  現在の商用デジタルサブトラクション・アンジオグラフィー(DSA)システムは通常、再構築を行うために数百のスキャンビューを要求する。 スパース・ビューDSA画像のダイナミックな血流と不十分な入力は,3次元血管再建作業において重要な課題である。 本稿では,時間に依存しない容器確率場を用いてこの問題を効果的に解くことを提案する。
  論文  参考訳（メタデータ） (2024-05-17T11:23:33Z)
• CT respiratory motion synthesis using joint supervised and adversarial learning [1.0958341916240883]
  本研究では,静止画像から擬似呼吸CT位相を生成する深層合成法を提案する。 このモデルでは,外部の患者表面をベースとしたコンディショニング合成により,患者特異的な変形ベクトル場(DVF)を生成する。 その結果, 生成した擬似呼吸CTの位相が, 同一患者の4DCTスキャンと同等の精度で臓器, 腫瘍の運動を捉えることができた。
  論文  参考訳（メタデータ） (2024-03-29T21:40:12Z)
• Coarse-Super-Resolution-Fine Network (CoSF-Net): A Unified End-to-End Neural Network for 4D-MRI with Simultaneous Motion Estimation and Super-Resolution [21.75329634476446]
  我々は,高分解能ネットワーク(CoSF-Net)と呼ばれる新しいディープラーニングフレームワークを開発した。 既存のネットワークと最先端の3つのアルゴリズムと比較して、CoSF-Netは4D-MRIの呼吸相間の変形可能なベクトル場を正確に推定するだけでなく、解剖学的特徴を増強した4D-MRIの空間分解能も同時に改善した。
  論文  参考訳（メタデータ） (2022-11-21T01:42:51Z)
• REGAS: REspiratory-GAted Synthesis of Views for Multi-Phase CBCT Reconstruction from a single 3D CBCT Acquisition [75.64791080418162]
  REGASは、アンダーサンプドトモグラフィビューを合成し、再構成画像中のアーティファクトのエイリアスを緩和する自己教師手法を提案する。 高解像度4Dデータ上でのディープニューラルネットワークの大規模なメモリコストに対処するため、REGASは分散して微分可能なフォワードプロジェクションを可能にする新しいレイパス変換(RPT)を導入した。
  論文  参考訳（メタデータ） (2022-08-17T03:42:19Z)

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。