論文の概要: EqDiff-CT: Equivariant Conditional Diffusion model for CT Image Synthesis from CBCT
- arxiv url: http://arxiv.org/abs/2509.21913v1
- Date: Fri, 26 Sep 2025 05:51:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-29 20:57:54.214783
- Title: EqDiff-CT: Equivariant Conditional Diffusion model for CT Image Synthesis from CBCT
- Title（参考訳）: EqDiff-CT:CBCTからのCT画像合成のための等変条件拡散モデル
- Authors: Alzahra Altalib, Chunhui Li, Alessandro Perelli,
- Abstract要約: 画像誘導放射線療法(IGRT)に広く用いられているコーンビームCT(CBCT)
CBCTから高品質なCT画像を生成するために,EqDiff-CTという新しい拡散型条件生成モデルを提案する。
- 参考スコア（独自算出の注目度）: 43.92108185590778
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Cone-beam computed tomography (CBCT) is widely used for image-guided radiotherapy (IGRT). It provides real time visualization at low cost and dose. However, photon scattering and beam hindrance cause artifacts in CBCT. These include inaccurate Hounsfield Units (HU), reducing reliability for dose calculation, and adaptive planning. By contrast, computed tomography (CT) offers better image quality and accurate HU calibration but is usually acquired offline and fails to capture intra-treatment anatomical changes. Thus, accurate CBCT-to-CT synthesis is needed to close the imaging-quality gap in adaptive radiotherapy workflows. To cater to this, we propose a novel diffusion-based conditional generative model, coined EqDiff-CT, to synthesize high-quality CT images from CBCT. EqDiff-CT employs a denoising diffusion probabilistic model (DDPM) to iteratively inject noise and learn latent representations that enable reconstruction of anatomically consistent CT images. A group-equivariant conditional U-Net backbone, implemented with e2cnn steerable layers, enforces rotational equivariance (cyclic C4 symmetry), helping preserve fine structural details while minimizing noise and artifacts. The system was trained and validated on the SynthRAD2025 dataset, comprising CBCT-CT scans across multiple head-and-neck anatomical sites, and we compared it with advanced methods such as CycleGAN and DDPM. EqDiff-CT provided substantial gains in structural fidelity, HU accuracy and quantitative metrics. Visual findings further confirm the improved recovery, sharper soft tissue boundaries, and realistic bone reconstructions. The findings suggest that the diffusion model has offered a robust and generalizable framework for CBCT improvements. The proposed solution helps in improving the image quality as well as the clinical confidence in the CBCT-guided treatment planning and dose calculations.
- Abstract（参考訳）: 画像誘導放射線療法(IGRT)において,コーンビームCT(CBCT)が広く用いられている。
低コストでリアルタイムな可視化を提供する。
しかし、光子散乱とビーム障害はCBCTのアーティファクトを引き起こす。
これには不正確なハウンズフィールド・ユニット(HU)、線量計算の信頼性の低下、適応計画が含まれる。
対照的にCT(Computerd tomography)は画像品質と正確なHUキャリブレーションを提供するが、通常はオフラインで取得され、治療中の解剖学的変化を捉えることができない。
したがって、適応放射線治療ワークフローにおける画像品質のギャップを埋めるために、正確なCBCT-to-CT合成が必要である。
そこで本研究では,CBCTから高品質なCT画像を生成するために,EqDiff-CTという新しい拡散型条件生成モデルを提案する。
EqDiff-CTは、音を反復的に注入し、解剖学的に一貫したCT画像の再構成を可能にする潜在表現を学習するために、 denoising diffusion probabilistic model (DDPM) を使用している。
e2cnn のステアブル層で実装された群同変条件付き U-Net バックボーンは回転同値(環状 C4 対称性)を強制し、ノイズやアーティファクトを最小限に抑えながら微細な構造的詳細を維持するのに役立つ。
本システムは,複数の頭頸部解剖部位にわたるCBCT-CTスキャンを含むSynthRAD2025データセットを用いて訓練,検証を行い,CycleGANやDDPMなどの高度な手法と比較した。
EqDiff-CTは、構造的忠実度、HUの正確性、定量的な測定にかなりの利益をもたらした。
視覚所見は、回復、より鋭い軟部組織の境界、および現実的な骨再建の改善をさらに確認する。
以上の結果から,この拡散モデルによりCBCT改善のための堅牢で一般化可能なフレームワークが提供されたことが示唆された。
提案手法は,CBCT誘導治療計画および線量計算における画像品質の向上と臨床信頼性の向上に有効である。
関連論文リスト
- JSover: Joint Spectrum Estimation and Multi-Material Decomposition from Single-Energy CT Projections [45.14515691206885]
多物質分解(MMD)は、ヒト体内の組織組成を定量的に再構築することを可能にする。
従来のMDDは、通常、スペクトルCTスキャナーと事前に測定したX線エネルギースペクトルを必要とし、臨床応用性を大幅に制限する。
本稿では,多材料構成を共同で再構成し,SECT投影から直接エネルギースペクトルを推定する一段階SEMMDフレームワークであるJSoverを提案する。
論文 参考訳（メタデータ） (2025-05-12T23:32:21Z) - HC$^3$L-Diff: Hybrid conditional latent diffusion with high frequency enhancement for CBCT-to-CT synthesis [10.699377597641137]
本稿では,CBCT-to-CT合成のための新しい条件付き潜時拡散モデルを提案する。
我々はUnified Feature (UFE) を用いて画像を低次元の潜在空間に圧縮する。
本手法は, CBCT-to-CTの高精細合成を患者1人当たり2分以上で効率よく行うことができる。
論文 参考訳（メタデータ） (2024-11-03T14:00:12Z) - 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) - Improving Cone-Beam CT Image Quality with Knowledge Distillation-Enhanced Diffusion Model in Imbalanced Data Settings [6.157230849293829]
毎日のコーンビームCT(CBCT)画像は、治療調整の要点であり、組織密度の精度が低い。
治療中のCBCTデータを最大化し, 疎対ファンビームCTで補完した。
本手法はRTにおけるCBCTスキャンから高画質CT画像を生成する上で有望であることを示す。
論文 参考訳（メタデータ） (2024-09-19T07:56:06Z) - Rotational Augmented Noise2Inverse for Low-dose Computed Tomography
Reconstruction [83.73429628413773]
改良された深層学習手法は、画像のノイズを除去する能力を示しているが、正確な地上の真実を必要とする。
畳み込みニューラルネットワーク(CNN)のトレーニングに基礎的真理を必要としないLDCTのための新しい自己教師型フレームワークを提案する。
数値および実験結果から,Sparse View を用いた N2I の再構成精度は低下しており,提案手法は異なる範囲のサンプリング角度で画像品質を向上する。
論文 参考訳（メタデータ） (2023-12-19T22:40:51Z) - 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) - Energy-Guided Diffusion Model for CBCT-to-CT Synthesis [8.888473799320593]
コーンビームCT(CBCT)は、臓器解剖が変化した場合の放射線治療を正確に行うことにより、適応放射線療法(ART)において重要な役割を担っている。
CBCT画像は散乱ノイズやアーティファクトに悩まされ、CBCTのみに依存して正確な線量計算と正確な組織局在を困難にしている。
本稿では,エネルギー誘導拡散モデル(EGDiff)を提案し,胸部腫瘍データセットを用いてCBCTから合成CT(sCT)を生成する実験を行った。
論文 参考訳（メタデータ） (2023-08-07T07:23:43Z) - 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) - CyTran: A Cycle-Consistent Transformer with Multi-Level Consistency for
Non-Contrast to Contrast CT Translation [56.622832383316215]
コントラストCTを非コントラストCTに変換する手法を提案する。
提案手法は、CyTranを略して、サイクル一貫性のある生成逆転変換器に基づいている。
実験の結果、CyTranは競合するすべての手法より優れています。
論文 参考訳（メタデータ） (2021-10-12T23:25:03Z) - A Learning-based Method for Online Adjustment of C-arm Cone-Beam CT
Source Trajectories for Artifact Avoidance [47.345403652324514]
市販CBCT装置で実現可能な復元品質はペダルスクリューの存在下での金属加工品のため不十分である。
そこで本研究では,C-arm CBCTソーストラジェクトリをスキャン中に調整し,特定のタスクに対する再構成品質を最適化することを提案する。
リアルにシミュレートされたデータに基づいてトレーニングされた畳み込みニューラルネットワークは、CBCTソース軌跡のシーン特異的な調整を可能にする品質指標を予測することができることを示す。
論文 参考訳（メタデータ） (2020-08-14T09:23:50Z)
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。