論文の概要: LMM-IQA: Image Quality Assessment for Low-Dose CT Imaging

• arxiv url: http://arxiv.org/abs/2511.07298v1
• Date: Mon, 10 Nov 2025 16:56:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-11 21:18:45.377643
• Title: LMM-IQA: Image Quality Assessment for Low-Dose CT Imaging
• Title（参考訳）: LMM-IQAによる低線量CT画像の画質評価
• Authors: Kagan Celik, Mehmet Ozan Unal, Metin Ertas, Isa Yildirim,
• Abstract要約: 低線量CTは、低線量で患者の安全性を著しく向上させる。 しかし、ノイズ、ぼかし、コントラスト損失の増加は診断品質を低下させる可能性がある。 劣化の数値スコアとテキスト記述の両方を生成するLLMに基づく品質評価システムを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Low-dose computed tomography (CT) represents a significant improvement in patient safety through lower radiation doses, but increased noise, blur, and contrast loss can diminish diagnostic quality. Therefore, consistency and robustness in image quality assessment become essential for clinical applications. In this study, we propose an LLM-based quality assessment system that generates both numerical scores and textual descriptions of degradations such as noise, blur, and contrast loss. Furthermore, various inference strategies - from the zero-shot approach to metadata integration and error feedback - are systematically examined, demonstrating the progressive contribution of each method to overall performance. The resultant assessments yield not only highly correlated scores but also interpretable output, thereby adding value to clinical workflows. The source codes of our study are available at https://github.com/itu-biai/lmms_ldct_iqa.
• Abstract（参考訳）: 低線量CT(low-Dose Computed Tomography)は、低線量で患者の安全性を著しく向上させるが、ノイズ、ぼかし、コントラストの喪失が診断品質を低下させる可能性がある。 そのため,画像品質評価の一貫性と堅牢性は臨床応用に欠かせないものとなった。 本研究では,騒音,ぼかし,コントラスト損失などの劣化の数値スコアとテキスト記述の両方を生成するLCMに基づく品質評価システムを提案する。 さらに、ゼロショットアプローチからメタデータ統合、エラーフィードバックに至るまで、さまざまな推論戦略を体系的に検討し、各手法の全体的なパフォーマンスへの進歩的な貢献を実証する。 その結果, 高い相関スコアだけでなく, 解釈可能なアウトプットが得られ, 臨床ワークフローに付加価値が得られた。 我々の研究のソースコードはhttps://github.com/itu-biai/lmms_ldct_iqa.comで公開されている。

関連論文リスト

• Beyond Pixels: Medical Image Quality Assessment with Implicit Neural Representations [2.0934875997852096]
  アーティファクトは、診断精度と下流分析に影響を及ぼす医療画像において重要な課題となる。 画像品質評価に暗黙的ニューラル表現(INR)を用いることを提案する。 本手法は合成人工物パターンを用いてACDCデータセットを用いて評価する。
  論文  参考訳（メタデータ） (2025-08-07T09:00:06Z)
• Metrics that matter: Evaluating image quality metrics for medical image generation [48.85783422900129]
  本研究は、脳MRIデータを用いて、一般的に使用される非参照画像品質指標を包括的に評価する。 本研究は, ノイズ, 分布変化, および臨床的に関係のある不正確さを模倣した形態的変化を含む, 様々な課題に対する計量感度を評価する。
  論文  参考訳（メタデータ） (2025-05-12T01:57:25Z)
• Revisiting Medical Image Retrieval via Knowledge Consolidation [46.6989555659494]
  本稿では,階層的特徴と機能に関する知識を集約する新しい手法を提案する。 本稿では,Depth-aware Representation Fusion (DaRF)とStructure-aware Contrastive Hashing (SCH)を紹介する。 解剖学的放射線学データセットの平均精度は5.6～38.9%向上した。
  論文  参考訳（メタデータ） (2025-03-12T13:16:42Z)
• A No-Reference Medical Image Quality Assessment Method Based on Automated Distortion Recognition Technology: Application to Preprocessing in MRI-guided Radiotherapy [9.332679162161428]
  肝転移10例のMR画像106,000点について検討した。 1) 主要な診断特徴の可視性を高めるための事前処理。 腫瘍追跡アルゴリズムでは,前処理画像の追跡精度が有意に向上した。
  論文  参考訳（メタデータ） (2024-12-09T15:48:16Z)
• Rethinking Medical Anomaly Detection in Brain MRI: An Image Quality Assessment Perspective [11.299666944696368]
  脳MRIにおける異常検出タスクには、再構成に基づく手法が広く採用されている。 本稿では,構造類似度指標尺度(SSIM)の構造レベルの感度と,画素レベルのl1の精度を適切に統合する新しい尺度である融合品質を提案する。 我々のIQAアプローチは,最先端のベースラインと統合した場合の医療異常検出性能を著しく向上させることを示した。
  論文  参考訳（メタデータ） (2024-08-15T15:55:07Z)
• Step-Calibrated Diffusion for Biomedical Optical Image Restoration [47.191704042917394]
  再生ステップ校正拡散(Resorative Step-Calibrated Diffusion、RSCD)は、拡散に基づく画像復元法である。 RSCDは、画像品質と知覚評価の両方において、他の広く使われている未使用画像復元方法よりも優れている。 RSCDは、自動脳腫瘍診断や深部組織イメージングなど、下流の臨床画像タスクのパフォーマンスを改善する。
  論文  参考訳（メタデータ） (2024-03-20T15:38:53Z)
• Beyond Images: An Integrative Multi-modal Approach to Chest X-Ray Report Generation [47.250147322130545]
  画像からテキストまでの放射線学レポート生成は,医療画像の発見を記述した放射線学レポートを自動生成することを目的としている。 既存の方法の多くは画像データのみに焦点をあてており、他の患者情報は放射線科医に公開されていない。 胸部X線レポートを生成するための多モードディープニューラルネットワークフレームワークを,非構造的臨床ノートとともにバイタルサインや症状などの構造化された患者データを統合することで提案する。
  論文  参考訳（メタデータ） (2023-11-18T14:37:53Z)
• Explainable Image Quality Assessment for Medical Imaging [0.0]
  質の悪い医療画像は誤診につながる可能性がある。 本稿では,説明可能な画像品質評価システムを提案し,その考え方を2つの異なる目的に対して検証する。 本研究では,サリエンシ検出器の忠実度を測定するために,様々な手法を適用した。 我々は,NormGradがObject-CXRで0.853点,LVOTデータセットで0.611点,繰り返しポイントゲームで0.853点に達することで,他のサリエンシ検出器よりも顕著に向上したことを示す。
  論文  参考訳（メタデータ） (2023-03-25T14:18:39Z)
• Harmonizing Pathological and Normal Pixels for Pseudo-healthy Synthesis [68.5287824124996]
  そこで本研究では,新しいタイプの識別器であるセグメンタを提案し,病変の正確な特定と擬似健康画像の視覚的品質の向上を図っている。 医用画像強調に生成画像を適用し,低コントラスト問題に対処するために拡張結果を利用する。 BraTSのT2モダリティに関する総合的な実験により、提案手法は最先端の手法よりも大幅に優れていることが示された。
  論文  参考訳（メタデータ） (2022-03-29T08:41:17Z)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)

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。