Fugu-MT 論文翻訳(概要): Diffusion-based Sinogram Interpolation for Limited Angle PET

論文の概要: Diffusion-based Sinogram Interpolation for Limited Angle PET

arxiv url: http://arxiv.org/abs/2511.09383v1
Date: Thu, 13 Nov 2025 01:50:59 GMT
ステータス: 翻訳完了
システム内更新日: 2025-11-13 22:34:54.545633
Title: Diffusion-based Sinogram Interpolation for Limited Angle PET
Title（参考訳）: 狭角PET用拡散型シングラム補間法
Authors: Rüveyda Yilmaz, Julian Thull, Johannes Stegmaier, Volkmar Schulz,
Abstract要約: 本稿では,不足する応答行を学習可能な事前処理として扱うことを提案する。データ駆動アプローチ、特に生成モデルは、この欠落した情報を回復するための有望な経路を提供する。
参考スコア（独自算出の注目度）: 1.7796310667266073
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Accurate PET imaging increasingly requires methods that support unconstrained detector layouts from walk-through designs to long-axial rings where gaps and open sides lead to severely undersampled sinograms. Instead of constraining the hardware to form complete cylinders, we propose treating the missing lines-of-responses as a learnable prior. Data-driven approaches, particularly generative models, offer a promising pathway to recover this missing information. In this work, we explore the use of conditional diffusion models to interpolate sparsely sampled sinograms, paving the way for novel, cost-efficient, and patient-friendly PET geometries in real clinical settings.
Abstract（参考訳）: 正確なPETイメージングでは、ウォークスルーデザインから長軸リングまで、制約のない検出器レイアウトをサポートする方法がますます必要になってきています。ハードウェアが完全なシリンダーを形成することを制約する代わりに、欠落したライン・オブ・レスポンスを学習可能な先行として扱うことを提案する。データ駆動アプローチ、特に生成モデルは、この欠落した情報を回復するための有望な経路を提供する。本研究は, 臨床現場での新規, 費用効率, 患者に優しいPETジオメトリへの道を開くために, 条件付き拡散モデルを用いて, まばらに採取したシングラムを補間する方法について検討する。

関連論文リスト

ASBA: A-line State Space Model and B-line Attention for Sparse Optical Doppler Tomography Reconstruction [52.60553814186938]
横軸(B線)に沿って1次元深度分解生Aスキャン(A線)を順次取得して2次元光ドップラートモグラフィ(ODT)画像(B線)を生成する。現在のプラクティスは、スキャン時間が長くなり、ストレージの需要が増加し、急激な血流動態の捕捉が制限される、密度の高いサンプリングに依存している。そこで本研究では,高度にサンプル化した生のAスキャンからODT画像の再構成を行うために,ASBAという新しい血流認識ネットワークを導入する。
論文参考訳（メタデータ） (2026-01-20T17:17:02Z)
ALL-PET: A Low-resource and Low-shot PET Foundation Model in Projection Domain [33.678018449132715]
ALL-PETはプロジェクションドメインで直接動作する低解像度の低ショットPETファンデーションモデルである。ランダム化された画像ドメインマスクをシングラム空間に投影することで、20万以上の構造的に多様なトレーニングサンプルを生成する。低用量再構成、減衰補正、遅延フレーム予測、トレーサ分離などのタスクを一般化し、24GB以下のメモリ使用で効率的に動作させる。
論文参考訳（メタデータ） (2025-09-11T04:03:52Z)
Two-stage deep learning framework for the restoration of incomplete-ring PET images [0.6478690173421426]
約50%の偶然を欠いたデータから高品質な画像を復元する2段階のディープラーニングフレームワークを提案する。また, 推論速度も向上し, 不完全リングPET画像の有効解が得られた。
論文参考訳（メタデータ） (2025-04-01T14:05:32Z)
Geo-UNet: A Geometrically Constrained Neural Framework for Clinical-Grade Lumen Segmentation in Intravascular Ultrasound [7.760705377465734]
UNetのような現在のセグメンテーションネットワークは、IVUSにおける臨床応用に必要な精度を欠いている。そこで我々はGeo-UNetフレームワークを提案する。静脈性IVUSデータセットに対する我々のフレームワークの有効性を,最先端モデルに対して示す。
論文参考訳（メタデータ） (2024-08-09T02:55:25Z)
Partitioned Hankel-based Diffusion Models for Few-shot Low-dose CT Reconstruction [10.158713017984345]
分割ハンケル拡散(PHD)モデルを用いた低用量CT再構成法を提案する。反復再構成段階では、反復微分方程式解法とデータ一貫性制約を併用して、取得した投影データを更新する。その結果,PHDモデルを画像品質を維持しつつ,アーチファクトやノイズを低減し,有効かつ実用的なモデルとして検証した。
論文参考訳（メタデータ） (2024-05-27T13:44:53Z)
ECC-PolypDet: Enhanced CenterNet with Contrastive Learning for Automatic Polyp Detection [88.4359020192429]
既存の手法では、計算コストのかかるコンテキストアグリゲーションが伴うか、ポリープの事前モデリングが欠如しているため、難解なケースでは性能が低下する。本稿では,2段階のトレーニングとエンドツーエンド推論フレームワークである Enhanced CenterNet with Contrastive Learning (ECC-PolypDet) を提案する。 Box-assisted Contrastive Learning (BCL) は, クラス内差を最小限に抑え, 前庭ポリープと背景のクラス間差を最大化するため, 隠れポリープを捕捉する。微調整段階におけるIoU誘導サンプル再重み付けの導入
論文参考訳（メタデータ） (2024-01-10T07:03:41Z)
Adaptive Multi-step Refinement Network for Robust Point Cloud Registration [82.64560249066734]
ポイントクラウド登録は、同じシーンの2つのポイントクラウド間の相対的な厳密な変換を推定する。本稿では,前ステップからの情報を活用することで,各ステップの登録品質を向上する適応型多段階改良ネットワークを提案する。本手法は3DMatch/3DLoMatchベンチマークとKITTIベンチマークの両方で最先端の性能を実現する。
論文参考訳（メタデータ） (2023-12-05T18:59:41Z)
Reflected Diffusion Models [93.26107023470979]
本稿では,データのサポートに基づいて進化する反射微分方程式を逆転する反射拡散モデルを提案する。提案手法は,一般化されたスコアマッチング損失を用いてスコア関数を学習し,標準拡散モデルの主要成分を拡張する。
論文参考訳（メタデータ） (2023-04-10T17:54:38Z)
Self-Supervised Training with Autoencoders for Visual Anomaly Detection [61.62861063776813]
我々は, 正規サンプルの分布を低次元多様体で支持する異常検出において, 特定のユースケースに焦点を当てた。我々は、訓練中に識別情報を活用する自己指導型学習体制に適応するが、通常の例のサブ多様体に焦点をあてる。製造領域における視覚異常検出のための挑戦的なベンチマークであるMVTec ADデータセットで、最先端の新たな結果を達成する。
論文参考訳（メタデータ） (2022-06-23T14:16:30Z)
Geometry-Guided Progressive NeRF for Generalizable and Efficient Neural Human Rendering [139.159534903657]
我々は、高忠実度自由視点人体詳細のための一般化可能で効率的なニューラルレーダランス・フィールド(NeRF)パイプラインを開発した。自己閉塞性を改善するため,幾何誘導型多視点機能統合手法を考案した。高いレンダリング効率を達成するため,幾何誘導型プログレッシブレンダリングパイプラインを導入する。
論文参考訳（メタデータ） (2021-12-08T14:42:10Z)
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)
Data-driven generation of plausible tissue geometries for realistic photoacoustic image synthesis [53.65837038435433]
光音響トモグラフィ(pat)は形態的および機能的組織特性を回復する可能性がある。我々は,PATデータシミュレーションの新たなアプローチを提案し,これを「シミュレーションの学習」と呼ぶ。我々は、意味的注釈付き医療画像データに基づいて訓練されたGAN(Generative Adversarial Networks)の概念を活用して、可塑性組織ジオメトリを生成する。
論文参考訳（メタデータ） (2021-03-29T11:30:18Z)
Tattoo tomography: Freehand 3D photoacoustic image reconstruction with an optical pattern [49.240017254888336]
光音響トモグラフィ(PAT)は、形態学的および機能的組織特性の両方を解決することができる新しいイメージング技術である。現在の欠点は、従来の2Dプローブによって提供される視野の制限である。本研究では,外部追跡システムを必要としないPATデータの3次元再構成手法を提案する。
論文参考訳（メタデータ） (2020-11-10T09:27:56Z)

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。