論文の概要: Blind Adaptive Local Denoising for CEST Imaging

• arxiv url: http://arxiv.org/abs/2511.20081v1
• Date: Tue, 25 Nov 2025 08:52:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-26 17:37:04.367173
• Title: Blind Adaptive Local Denoising for CEST Imaging
• Title（参考訳）: CESTイメージングのためのブラインド適応型局所デノイング
• Authors: Chu Chen, Aitor Artola, Yang Liu, Se Weon Park, Raymond H. Chan, Jean-Michel Morel, Kannie W. Y. Chan,
• Abstract要約: CEST(Chemical Exchange Saturation Transfer) MRIは、プロトン交換ダイナミクスを利用した低濃度代謝物の分子レベルでの可視化を可能にする。 従来のデノナイジング法は、この複雑なノイズのために設計されておらず、しばしば生体医学的分析において重要な基礎となる情報を変更する。 本稿では,これらの制約を克服するために,Blind Adaptive Local Denoising (BALD)法を提案する。
• 参考スコア（独自算出の注目度）: 10.610885440782125
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Chemical Exchange Saturation Transfer (CEST) MRI enables molecular-level visualization of low-concentration metabolites by leveraging proton exchange dynamics. However, its clinical translation is hindered by inherent challenges: spatially varying noise arising from hardware limitations, and complex imaging protocols introduce heteroscedasticity in CEST data, perturbing the accuracy of quantitative contrast mapping such as amide proton transfer (APT) imaging. Traditional denoising methods are not designed for this complex noise and often alter the underlying information that is critical for biomedical analysis. To overcome these limitations, we propose a new Blind Adaptive Local Denoising (BALD) method. BALD exploits the self-similar nature of CEST data to derive an adaptive variance-stabilizing transform that equalizes the noise distributions across CEST pixels without prior knowledge of noise characteristics. Then, BALD performs two-stage denoising on a linear transformation of data to disentangle molecular signals from noise. A local SVD decomposition is used as a linear transform to prevent spatial and spectral denoising artifacts. We conducted extensive validation experiments on multiple phantoms and \textit{in vivo} CEST scans. In these experiments, BALD consistently outperformed state-of-the-art CEST denoisers in both denoising metrics and downstream tasks such as molecular concentration maps estimation and cancer detection.
• Abstract（参考訳）: CEST(Chemical Exchange Saturation Transfer) MRIは、プロトン交換ダイナミクスを利用した低濃度代謝物の分子レベルでの可視化を可能にする。 しかし、その臨床翻訳は、ハードウェアの限界から生じる空間的に変化するノイズや、複雑なイメージングプロトコルがCESTデータに不整合性を導入し、アミドプロトントランスファー(APT)イメージングのような定量的コントラストマッピングの精度を乱すなど、固有の課題によって妨げられている。 従来のデノナイジング法は、この複雑なノイズのために設計されておらず、しばしば生体医学的分析において重要な基礎となる情報を変更する。 これらの制約を克服するために,Blind Adaptive Local Denoising (BALD)法を提案する。 BALDは、CESTデータの自己相似性を利用して、CEST画素間のノイズ分布を、ノイズ特性を事前に知ることなく等化する適応分散安定化変換を導出する。 そして、BALDは、データを線形変換してノイズから分子信号を切り離す2段階のデノイングを行う。 局所的なSVD分解は、空間的およびスペクトル的偏微分アーティファクトを防ぐための線形変換として用いられる。 われわれは,複数のファントムと<textit{in vivo} CESTスキャンの広範囲な検証実験を行った。 これらの実験では、BALDは、分子濃度マップ推定やがん検出などの下流のタスクにおいて、最先端のCESTデノイザーを一貫して上回りました。

関連論文リスト

• GARD: Gamma-based Anatomical Restoration and Denoising for Retinal OCT [5.763765207893223]
  GARD (Gamma-based Anatomical Restoration and Denoising) は OCT 画像復調のための新しい深層学習手法である。 GARDは、スペックルの統計特性をより正確に反映するために、Denoising Diffusion Gamma Modelを使用している。 GARDはPSNR, SSIM, MSEの点から, 従来のdenoising法や最先端のディープラーニングモデルよりも優れていることを示す。
  論文  参考訳（メタデータ） (2025-09-12T15:24:41Z)
• Motion Artifact Removal in Pixel-Frequency Domain via Alternate Masks and Diffusion Model [58.694932010573346]
  MRI(MRI)における運動アーチファクトは臨床診断に深刻な干渉を与える可能性がある。 ノイズの多いMRI画像の画素周波数情報を利用して、事前学習した拡散モデルを誘導し、クリーンなMRI画像の復元を行う新しい教師なし浄化法を提案する。
  論文  参考訳（メタデータ） (2024-12-10T15:25:18Z)
• Implicit Regression in Subspace for High-Sensitivity CEST Imaging [5.785771819376851]
  Implicit Regression in Subspace (IRIS) は、暗黙的ニューラル表現の優れた性質を連続写像に活かした教師なしの復調アルゴリズムである。 本手法は, 定性および定量的性能の両面において, CEST法を上回り, 本手法が他のCEST法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-07-09T07:41:24Z)
• On Sensitivity and Robustness of Normalization Schemes to Input Distribution Shifts in Automatic MR Image Diagnosis [58.634791552376235]
  深層学習(DL)モデルは、再構成画像を入力として、複数の疾患の診断において最先端のパフォーマンスを達成した。 DLモデルは、トレーニングとテストフェーズ間の入力データ分布の変化につながるため、さまざまなアーティファクトに敏感である。 本稿では,グループ正規化やレイヤ正規化といった他の正規化手法を用いて,画像のさまざまなアーチファクトに対して,モデル性能にロバスト性を注入することを提案する。
  論文  参考訳（メタデータ） (2023-06-23T03:09:03Z)
• Deep Ultrasound Denoising Using Diffusion Probabilistic Models [5.828784149537374]
  従来のデノナイジング法は、しばしばスペックルを除去するが、これは放射線科医や定量的な超音波検査にも有用である。 本稿では,近年のDenoising Diffusion Probabilistic Models (DDPM) に基づく手法を提案する。 スペックルテクスチャを保ちながらノイズを除去し、画像品質を反復的に向上させる。
  論文  参考訳（メタデータ） (2023-06-12T21:53:32Z)
• Realistic Noise Synthesis with Diffusion Models [44.404059914652194]
  ディープラーニングモデルには、大規模な実世界のトレーニングデータが必要です。 本稿では,これらの課題に対処するために拡散モデルを用いた新しい実音合成拡散器(RNSD)法を提案する。
  論文  参考訳（メタデータ） (2023-05-23T12:56:01Z)
• The role of noise in denoising models for anomaly detection in medical images [62.0532151156057]
  病理脳病変は脳画像に多彩な外観を示す。 正規データのみを用いた教師なし異常検出手法が提案されている。 空間分解能の最適化と雑音の大きさの最適化により,異なるモデル学習体制の性能が向上することを示す。
  論文  参考訳（メタデータ） (2023-01-19T21:39:38Z)
• 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)
• MR Image Denoising and Super-Resolution Using Regularized Reverse Diffusion [38.62448918459113]
  本稿では,スコアベース逆拡散サンプリングに基づく新しい復調法を提案する。 当ネットワークは, 人工膝関節のみを訓練し, 生体内MRIデータにも優れていた。
  論文  参考訳（メタデータ） (2022-03-23T10:35:06Z)
• Unsupervised Denoising of Retinal OCT with Diffusion Probabilistic Model [0.2578242050187029]
  本稿では,信号の代わりにノイズから学習するための拡散確率モデルを提案する。 本手法は,簡単な作業パイプラインと少量のトレーニングデータを用いて,画像品質を著しく向上させることができる。
  論文  参考訳（メタデータ） (2022-01-27T19:02:38Z)

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。