論文の概要: A Kernel Space-based Multidimensional Sparse Model for Dynamic PET Image Denoising

• arxiv url: http://arxiv.org/abs/2509.18801v1
• Date: Tue, 23 Sep 2025 08:48:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-24 20:41:27.779146
• Title: A Kernel Space-based Multidimensional Sparse Model for Dynamic PET Image Denoising
• Title（参考訳）: カーネル空間に基づく動的PET画像復調のための多次元スパースモデル
• Authors: Kuang Xiaodong, Li Bingxuan, Li Yuan, Rao Fan, Ma Gege, Xie Qingguo, Mok Greta S P, Liu Huafeng, Zhu Wentao,
• Abstract要約: ディープ・ラーニングは 幅広い医療画像に役立ちます 近年の研究では、ディープ・ラーニングは幅広い医療画像認知タスクにおいて有用であることが示されている。 動的PET画像のデノゲーションのためのモデルベースニューラルネットワークを提案する。
• 参考スコア（独自算出の注目度）: 14.033563800930965
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Achieving high image quality for temporal frames in dynamic positron emission tomography (PET) is challenging due to the limited statistic especially for the short frames. Recent studies have shown that deep learning (DL) is useful in a wide range of medical image denoising tasks. In this paper, we propose a model-based neural network for dynamic PET image denoising. The inter-frame spatial correlation and intra-frame structural consistency in dynamic PET are used to establish the kernel space-based multidimensional sparse (KMDS) model. We then substitute the inherent forms of the parameter estimation with neural networks to enable adaptive parameters optimization, forming the end-to-end neural KMDS-Net. Extensive experimental results from simulated and real data demonstrate that the neural KMDS-Net exhibits strong denoising performance for dynamic PET, outperforming previous baseline methods. The proposed method may be used to effectively achieve high temporal and spatial resolution for dynamic PET. Our source code is available at https://github.com/Kuangxd/Neural-KMDS-Net/tree/main.
• Abstract（参考訳）: 動的ポジトロン放射トモグラフィー(PET)における時間フレームの高画質化は,特に短フレームの統計量に制限があるため困難である。 近年の研究では、深層学習(DL)が幅広い医療画像認知タスクに有用であることが示されている。 本稿では,動的PET画像復調のためのモデルベースニューラルネットワークを提案する。 動的PETにおけるフレーム間空間相関とフレーム内構造整合性を利用して、カーネル空間に基づく多次元スパース(KMDS)モデルを確立する。 次に、パラメータ推定の固有形式をニューラルネットワークに置き換え、適応的なパラメータ最適化を実現し、エンドツーエンドのニューラルネットワークKMDS-Netを形成する。 シミュレーションおよび実データによる大規模な実験結果から、ニューラルKMDS-Netは動的PETに対して強いノイズ発生性能を示し、従来のベースライン法より優れていたことが示されている。 提案手法は動的PETの高時間分解能と空間分解能の実現に有効である。 ソースコードはhttps://github.com/Kuangxd/Neural-KMDS-Net/tree/main.orgで公開されています。

関連論文リスト

• Physiological neural representation for personalised tracer kinetic parameter estimation from dynamic PET [0.7147474215053953]
  本稿では,暗黙的ニューラル表現(INR)に基づく生理的ニューラル表現を提案する。 連続関数を学習するINRは、データ要求を低減した効率的な高分解能パラメトリックイメージングを可能にする。 以上の結果から,INRsが腫瘍の性状,セグメンテーション,予後評価に応用できるパーソナライズされたデータ効率トレーサの速度論的モデリングに有用であることが示唆された。
  論文  参考訳（メタデータ） (2025-04-23T22:12:04Z)
• Dynamic PET Image Prediction Using a Network Combining Reversible and Irreversible Modules [13.706949780214535]
  本研究では,動的PET画像のフレーム予測手法を提案する。 ネットワークは、動的PET画像の初期フレームに基づいて、運動パラメータ画像を予測することができる。
  論文  参考訳（メタデータ） (2024-10-30T03:52:21Z)
• A Unified Model for Compressed Sensing MRI Across Undersampling Patterns [69.19631302047569]
  様々な計測アンサンプパターンと画像解像度に頑健な統合MRI再構成モデルを提案する。 我々のモデルは、拡散法よりも600$times$高速な推論で、最先端CNN(End-to-End VarNet)の4dBでSSIMを11%改善し、PSNRを4dB改善する。
  論文  参考訳（メタデータ） (2024-10-05T20:03:57Z)
• KFD-NeRF: Rethinking Dynamic NeRF with Kalman Filter [49.85369344101118]
  KFD-NeRFは,Kalmanフィルタに基づく効率的かつ高品質な運動再構成フレームワークと統合された,新しい動的ニューラル放射場である。 我々のキーとなる考え方は、動的放射場を、観測と予測という2つの知識源に基づいて時間的に異なる状態が推定される動的システムとしてモデル化することである。 我々のKFD-NeRFは、同等の計算時間と最先端の視線合成性能で、徹底的な訓練を施した類似または優れた性能を示す。
  論文  参考訳（メタデータ） (2024-07-18T05:48:24Z)
• DiffiT: Diffusion Vision Transformers for Image Generation [88.08529836125399]
  ViT(Vision Transformer)は、特に認識タスクにおいて、強力なモデリング機能とスケーラビリティを実証している。 拡散型生成学習におけるViTの有効性について検討し、拡散ビジョン変換器(DiffiT)と呼ばれる新しいモデルを提案する。 DiffiTはパラメータ効率が大幅に向上した高忠実度画像を生成するのに驚くほど効果的である。
  論文  参考訳（メタデータ） (2023-12-04T18:57:01Z)
• STPDnet: Spatial-temporal convolutional primal dual network for dynamic PET image reconstruction [16.47493157003075]
  動的PET画像再構成のための時空間畳み込みプライマリネットワーク(STPDnet)を提案する。 PETの物理投影は、ネットワークの反復学習プロセスに埋め込まれる。 実験の結果,提案手法は時間領域と空間領域の両方で大きなノイズを発生させることができることがわかった。
  論文  参考訳（メタデータ） (2023-03-08T15:43:15Z)
• Multi-stage image denoising with the wavelet transform [125.2251438120701]
  深部畳み込みニューラルネットワーク(Deep Convolutional Neural Network, CNN)は、正確な構造情報を自動マイニングすることで、画像の復調に使用される。 動的畳み込みブロック(DCB)、2つのカスケードウェーブレット変換および拡張ブロック(WEB)、残留ブロック(RB)の3段階を経由した、MWDCNNによるCNNの多段階化を提案する。
  論文  参考訳（メタデータ） (2022-09-26T03:28:23Z)
• Dynamic Proximal Unrolling Network for Compressive Sensing Imaging [29.00266254916676]
  本稿では,DPUNetと呼ばれる動的近位アンローリングネットワークについて述べる。 具体的には、DPUNetは、勾配降下による埋め込み物理モデルと、学習された動的近位写像による画像のインポーティングの両方を活用できる。 実験結果から,提案したDPUNetは,サンプル比や雑音レベルの異なる複数のCSIモダリティを1つのモデルで効果的に処理できることがわかった。
  論文  参考訳（メタデータ） (2021-07-23T03:04:44Z)
• Direct Reconstruction of Linear Parametric Images from Dynamic PET Using Nonlocal Deep Image Prior [13.747210115485487]
  PETシングラムからパラメトリック画像を直接推定する直接再構成法が開発されている。 受信回数が限られているため、信号対雑音比(SNR)と直接再構成フレームワークによって生成されたパラメトリック画像の解像度は依然として限られている。 近年,多数の高品質なトレーニングラベルが利用可能である場合に,医用画像復調・復調に教師付き深層学習法がうまく応用されている。
  論文  参考訳（メタデータ） (2021-06-18T21:30:22Z)
• Learning a Model-Driven Variational Network for Deformable Image Registration [89.9830129923847]
  VR-Netは、教師なしの変形可能な画像登録のための新しいカスケード可変ネットワークである。 登録精度において最先端のディープラーニング手法よりも優れています。 ディープラーニングの高速推論速度と変分モデルのデータ効率を維持している。
  論文  参考訳（メタデータ） (2021-05-25T21:37:37Z)

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。