論文の概要: Reinforcement Learning-Based Optimization of CT Acquisition and Reconstruction Parameters Through Virtual Imaging Trials

• arxiv url: http://arxiv.org/abs/2510.08763v1
• Date: Thu, 09 Oct 2025 19:30:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 00:38:47.6046
• Title: Reinforcement Learning-Based Optimization of CT Acquisition and Reconstruction Parameters Through Virtual Imaging Trials
• Title（参考訳）: 強化学習に基づく仮想画像実験によるCT取得と再構成パラメータの最適化
• Authors: David Fenwick, Navid NaderiAlizadeh, Vahid Tarokh, Nicholas Felice, Darin Clark, Jayasai Rajagopal, Anuj Kapadia, Benjamin Wildman-Tobriner, Ehsan Samei, Ehsan Abadi,
• Abstract要約: プロトコル最適化はCTにおいて放射線線量を最小限に抑えつつ高い画像品質を実現するために重要である。 本研究では,より効率的にCTプロトコルを最適化するために,仮想画像ツールと強化学習を組み合わせた新しい手法を提案する。
• 参考スコア（独自算出の注目度）: 12.892703447855013
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Protocol optimization is critical in Computed Tomography (CT) to achieve high diagnostic image quality while minimizing radiation dose. However, due to the complex interdependencies among CT acquisition and reconstruction parameters, traditional optimization methods rely on exhaustive testing of combinations of these parameters, which is often impractical. This study introduces a novel methodology that combines virtual imaging tools with reinforcement learning to optimize CT protocols more efficiently. Human models with liver lesions were imaged using a validated CT simulator and reconstructed with a novel CT reconstruction toolkit. The optimization parameter space included tube voltage, tube current, reconstruction kernel, slice thickness, and pixel size. The optimization process was performed using a Proximal Policy Optimization (PPO) agent, which was trained to maximize an image quality objective, specifically the detectability index (d') of liver lesions in the reconstructed images. Optimization performance was compared against an exhaustive search performed on a supercomputer. The proposed reinforcement learning approach achieved the global maximum d' across test cases while requiring 79.7% fewer steps than the exhaustive search, demonstrating both accuracy and computational efficiency. The proposed framework is flexible and can accommodate various image quality objectives. The findings highlight the potential of integrating virtual imaging tools with reinforcement learning for CT protocol management.
• Abstract（参考訳）: プロトコル最適化はCT(Computed Tomography)において,放射線線量を最小限に抑えつつ高い画像品質を実現するために重要である。 しかし、CTの取得と再構成のパラメータ間の複雑な相互依存性のため、従来の最適化手法はこれらのパラメータの組み合わせを徹底的にテストすることに頼っている。 本研究では,より効率的にCTプロトコルを最適化するために,仮想画像ツールと強化学習を組み合わせた新しい手法を提案する。 肝病変を有するヒトをCTシミュレーターを用いて画像化し,新しいCT再構成ツールキットを用いて再構成した。 最適化パラメータ空間には、管電圧、管電流、再構成カーネル、スライス厚、ピクセルサイズが含まれていた。 画像品質目標,特に肝病変の検出可能性指標(d')を最大化するために,PPO(Pximal Policy Optimization)エージェントを用いて最適化処理を行った。 最適化性能はスーパーコンピュータ上で行った徹底的な探索と比較した。 提案された強化学習アプローチは、テストケース全体の最大d'を達成し、徹底的な探索よりも79.7%少ないステップを要し、精度と計算効率の両方を実証した。 提案するフレームワークはフレキシブルで、様々な画像品質の目標に対応できる。 この結果から,CTプロトコル管理における仮想画像ツールと強化学習の統合の可能性が示唆された。

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)
• Enhanced Liver Tumor Detection in CT Images Using 3D U-Net and Bat Algorithm for Hyperparameter Optimization [0.294944680995069]
  肝がんは最も多く、致死的ながんの1つである。 本稿では,CT画像における肝腫瘍自動切除の新たなアプローチを提案する。
  論文  参考訳（メタデータ） (2025-08-11T20:21:30Z)
• CAPRI-CT: Causal Analysis and Predictive Reasoning for Image Quality Optimization in Computed Tomography [2.422970122886921]
  CAPRI-CTは、CT画像における画像品質最適化のための因果解析および予測推論のための因果学習フレームワークである。 画像データと取得メタデータを統合し、画像品質に影響を与える根底にある因果関係をモデル化する。 アンサンブル学習アプローチを用いてトレーニングされ、検証され、強力な予測性能を達成する。
  論文  参考訳（メタデータ） (2025-07-23T11:23:02Z)
• An incremental algorithm for non-convex AI-enhanced medical image processing [0.0]
  医用画像における逆問題を解決するために,モデルに基づく最適化とディープラーニングに基づく手法を統合したハイブリッドフレームワークを提案する。 IncDGは従来の反復解法と深層学習法の両方に優れ、精度と安定性が向上することを示す。 IncDGは性能を著しく低下させるものではないと結論付けた。
  論文  参考訳（メタデータ） (2025-05-13T08:03:14Z)
• 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)
• Application of Gated Recurrent Units for CT Trajectory Optimization [3.4916237834391874]
  本稿では, Gated Recurrent Units (GRUs) を用いたCTスキャントラジェクトリの最適化手法を提案する。 我々はコーンビームCTに焦点をあて、吸収、画素強度、コントラスト・ツー・ノイズ比、データの完全性など、プロジェクションに基づくいくつかの指標を用いている。 その結果,GRU最適化スキャントラジェクトリは,画像品質の指標から従来の円形CTトラジェクトリよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2024-05-15T13:33:23Z)
• Deep Few-view High-resolution Photon-counting Extremity CT at Halved Dose for a Clinical Trial [8.393536317952085]
  ニュージーランドの臨床試験において,PCCT画像の半減量と2倍の速度で再現する深層学習に基づくアプローチを提案する。 本稿では,GPUメモリの制限を緩和するパッチベースのボリュームリファインメントネットワーク,合成データを用いたトレーニングネットワーク,およびモデルベースの反復リファインメントを用いて,合成データと実世界のギャップを埋める。
  論文  参考訳（メタデータ） (2024-03-19T00:07:48Z)
• 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)
• Incremental Cross-view Mutual Distillation for Self-supervised Medical CT Synthesis [88.39466012709205]
  本稿では,スライス間の分解能を高めるために,新しい医療スライスを構築した。 臨床実践において, 根本・中間医療スライスは常に欠落していることを考慮し, 相互蒸留の段階的相互蒸留戦略を導入する。 提案手法は,最先端のアルゴリズムよりも明確なマージンで優れる。
  論文  参考訳（メタデータ） (2021-12-20T03:38:37Z)
• Adaptive Gradient Balancing for UndersampledMRI Reconstruction and Image-to-Image Translation [60.663499381212425]
  本研究では,新しい適応勾配バランス手法を併用したwasserstein生成逆ネットワークを用いて,画質の向上を図る。 MRIでは、他の技術よりも鮮明な画像を生成する高品質の再構築を維持しながら、アーティファクトを最小限に抑えます。
  論文  参考訳（メタデータ） (2021-04-05T13:05:22Z)
• A Multi-Stage Attentive Transfer Learning Framework for Improving COVID-19 Diagnosis [49.3704402041314]
  新型コロナの診断を改善するための多段階集中移動学習フレームワークを提案する。 提案するフレームワークは、複数のソースタスクと異なるドメインのデータから知識を学習し、正確な診断モデルを訓練する3つの段階からなる。 本稿では,肺CT画像のマルチスケール表現を学習するための自己教師付き学習手法を提案する。
  論文  参考訳（メタデータ） (2021-01-14T01:39:19Z)

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。