論文の概要: PADM: A Physics-aware Diffusion Model for Attenuation Correction
- arxiv url: http://arxiv.org/abs/2511.06948v1
- Date: Mon, 10 Nov 2025 10:54:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-11 21:18:45.208735
- Title: PADM: A Physics-aware Diffusion Model for Attenuation Correction
- Title（参考訳）: PADM:減衰補正のための物理認識拡散モデル
- Authors: Trung Kien Pham, Hoang Minh Vu, Anh Duc Chu, Dac Thai Nguyen, Trung Thanh Nguyen, Thao Nguyen Truong, Mai Hong Son, Thanh Trung Nguyen, Phi Le Nguyen,
- Abstract要約: SPECT(Single-Photon Emission Computed Tomography)を用いた心筋灌流画像(MPI)における減衰アーティファクトの意義
本研究では,心筋SPECTにおける減衰補正のための新しいCTフリーソリューションを提案する。
具体的には,教師が学習する蒸留機構を通じて,明示的な物理の先行を組み込んだ拡散に基づく生成法であるPADM(Physical-Aware Attenuation Correction Diffusion Model)を紹介する。
- 参考スコア（独自算出の注目度）: 5.394088312094123
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Attenuation artifacts remain a significant challenge in cardiac Myocardial Perfusion Imaging (MPI) using Single-Photon Emission Computed Tomography (SPECT), often compromising diagnostic accuracy and reducing clinical interpretability. While hybrid SPECT/CT systems mitigate these artifacts through CT-derived attenuation maps, their high cost, limited accessibility, and added radiation exposure hinder widespread clinical adoption. In this study, we propose a novel CT-free solution to attenuation correction in cardiac SPECT. Specifically, we introduce Physics-aware Attenuation Correction Diffusion Model (PADM), a diffusion-based generative method that incorporates explicit physics priors via a teacher--student distillation mechanism. This approach enables attenuation artifact correction using only Non-Attenuation-Corrected (NAC) input, while still benefiting from physics-informed supervision during training. To support this work, we also introduce CardiAC, a comprehensive dataset comprising 424 patient studies with paired NAC and Attenuation-Corrected (AC) reconstructions, alongside high-resolution CT-based attenuation maps. Extensive experiments demonstrate that PADM outperforms state-of-the-art generative models, delivering superior reconstruction fidelity across both quantitative metrics and visual assessment.
- Abstract（参考訳）: SPECT(Single-Photon Emission Computed Tomography)を用いた心筋灌流画像(MPI)では,診断精度が向上し,臨床的解釈容易性が低下する傾向がみられた。
ハイブリッドSPECT/CTシステムはCT由来の減衰マップを通じてこれらのアーティファクトを緩和するが、その高コスト、アクセシビリティの制限、放射線照射の追加は広く臨床応用を妨げている。
本研究では,心筋SPECTにおける減衰補正のための新しいCTフリーソリューションを提案する。
具体的には,教師が学習する蒸留機構を通じて,明示的な物理の先行を組み込んだ拡散に基づく生成法であるPADM(Physical-Aware Attenuation Correction Diffusion Model)を紹介する。
このアプローチは、トレーニング中の物理インフォームド・インフォメーションの恩恵を受けながら、非減数補正(NAC)入力のみを用いた減衰アーチファクトの補正を可能にする。
この研究を支援するために,高分解能CTベースの減衰マップとともに,NACとAC(Attenuation-Corrected)を併用した424症例を対象とした総合的データセットであるCardiACも紹介した。
大規模な実験により、PADMは最先端の生成モデルより優れており、定量的メトリクスと視覚的アセスメントの両方において優れた再構成忠実性を提供することが示された。
関連論文リスト
- An efficient approach with theoretical guarantees to simultaneously reconstruct activity and attenuation sinogram for TOF-PET [6.491602790776125]
ポジトロン・エミッション・トモグラフィ(PET)では、身体内の定量的に正確な活動地図(軌跡分布)を得るために減衰補正を行うことが不可欠である。
飛行時間(TOF)-PETエミッションデータのみから活動と減衰のシングラムを同時に再構築する数学的モデルを提案する。
論文 参考訳（メタデータ） (2025-10-15T14:01:03Z) - EqDiff-CT: Equivariant Conditional Diffusion model for CT Image Synthesis from CBCT [43.92108185590778]
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。
論文 参考訳（メタデータ） (2025-09-26T05:51:59Z) - Direct Dual-Energy CT Material Decomposition using Model-based Denoising Diffusion Model [105.95160543743984]
本稿では,Dual-Energy Decomposition Model-based Diffusion (DEcomp-MoD) と呼ばれる深層学習手法を提案する。
Decomp-MoDは、教師なしスコアベースモデルと教師なしディープラーニングネットワークより優れていることを示す。
論文 参考訳（メタデータ） (2025-07-24T01:00:06Z) - 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) - DPER: Diffusion Prior Driven Neural Representation for Limited Angle and Sparse View CT Reconstruction [45.00528216648563]
Diffusion Prior Driven Neural Representation (DPER) は、異常に不適切なCT再構成逆問題に対処するために設計された、教師なしのフレームワークである。
DPERは、半二次分割法(HQS)アルゴリズムを採用し、逆問題からデータ忠実度とサブプロブレム前の分布に分解する。
LACTにおけるDPERの性能評価と2つの公開データセットを用いた超SVCT再構成に関する総合的な実験を行った。
論文 参考訳（メタデータ） (2024-04-27T12:55:13Z) - Dual-Domain Coarse-to-Fine Progressive Estimation Network for
Simultaneous Denoising, Limited-View Reconstruction, and Attenuation
Correction of Cardiac SPECT [16.75701769113328]
SPECT(Single-Photon Emission Computed Tomography)は冠動脈疾患の診断に広く応用されている。
低線量(LD)SPECTは、放射線被曝を最小化するが、画像ノイズの増加につながる。最新のGEmyoSPECT ESシステムのような限定ビュー(LV)SPECTは、ハードウェアコストの高速化と削減を可能にするが、再構成精度は低下する。
論文 参考訳（メタデータ） (2024-01-23T23:28:15Z) - Brain Imaging-to-Graph Generation using Adversarial Hierarchical Diffusion Models for MCI Causality Analysis [44.45598796591008]
機能的磁気共鳴画像(fMRI)を軽度認知障害解析のための効果的な接続性にマッピングするために,脳画像から画像へのBIGG(Brain Imaging-to-graph generation)フレームワークを提案する。
発電機の階層変換器は、複数のスケールでノイズを推定するように設計されている。
ADNIデータセットの評価は,提案モデルの有効性と有効性を示す。
論文 参考訳（メタデータ） (2023-05-18T06:54:56Z) - Joint Denoising and Few-angle Reconstruction for Low-dose Cardiac SPECT
Using a Dual-domain Iterative Network with Adaptive Data Consistency [12.1851913514097]
心筋SPECTの低線量および小角投射からの両端端関節脱生と再建のための二重領域反復ネットワークを提案する。
臨床MPIデータを用いた実験により,提案手法は既存の画像領域,投影領域,二重領域技術よりも優れていた。
論文 参考訳（メタデータ） (2023-05-17T16:09:49Z) - Cross-domain Iterative Network for Simultaneous Denoising, Limited-angle
Reconstruction, and Attenuation Correction of Low-dose Cardiac SPECT [12.1851913514097]
低線量(LD)SPECTは、放射線照射を最小限にすることを目的としているが、画像ノイズの増加につながる。限定角度(LA)SPECTは、より高速なスキャンとハードウェアコストの削減を可能にするが、再現精度は低下する。
CT由来の減衰マップ(mu$-maps)は、一般的にSPECT減衰補正(AC)に使用されるが、余分な放射線暴露とSPECT-CTの誤調整を引き起こす。
胸部SPECTにおいて,クロスドメイン反復ネットワーク(CDI-Net)とLA再建,CTフリー交流を同時に行うことを提案する。
論文 参考訳（メタデータ） (2023-05-17T16:06:30Z) - 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) - Total-Body Low-Dose CT Image Denoising using Prior Knowledge Transfer
Technique with Contrastive Regularization Mechanism [4.998352078907441]
放射線線量が少ないと、ノイズやアーティファクトが増加し、臨床診断に大きな影響を及ぼす可能性がある。
高品質な全身低線量CT(LDCT)画像を得るため,従来の深層学習に基づく研究は様々なネットワークアーキテクチャを導入している。
本稿では,NDCT画像から抽出した知識を活用する,新しいタスク内知識伝達手法を提案する。
論文 参考訳（メタデータ） (2021-12-01T06:46:38Z)
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。