論文の概要: Neural Discrete Representation Learning for Sparse-View CBCT Reconstruction: From Algorithm Design to Prospective Multicenter Clinical Evaluation

• arxiv url: http://arxiv.org/abs/2512.00873v1
• Date: Sun, 30 Nov 2025 12:45:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-02 19:46:34.466651
• Title: Neural Discrete Representation Learning for Sparse-View CBCT Reconstruction: From Algorithm Design to Prospective Multicenter Clinical Evaluation
• Title（参考訳）: スパースビューCBCT再構成のためのニューラル離散表現学習:アルゴリズム設計から多施設臨床評価へ
• Authors: Haoshen Wang, Lei Chen, Wei-Hua Zhang, Linxia Wu, Yong Luo, Zengmao Wang, Yuan Xiong, Chengcheng Zhu, Wenjuan Tang, Xueyi Zhang, Wei Zhou, Xuhua Duan, Lefei Zhang, Gao-Jun Teng, Bo Du, Huangxuan Zhao,
• Abstract要約: コーンビームCT(CBCT)ガイド下穿刺は胸部腫瘍の診断・治療に確立されたアプローチとなっている。 DeepPriorCBCTは3段階のディープラーニングフレームワークであり、従来の放射線線量の6分の1しか使用せずに診断段階の再構築を実現する。
• 参考スコア（独自算出の注目度）: 64.42236775544579
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cone beam computed tomography (CBCT)-guided puncture has become an established approach for diagnosing and treating early- to mid-stage thoracic tumours, yet the associated radiation exposure substantially elevates the risk of secondary malignancies. Although multiple low-dose CBCT strategies have been introduced, none have undergone validation using large-scale multicenter retrospective datasets, and prospective clinical evaluation remains lacking. Here, we propose DeepPriorCBCT - a three-stage deep learning framework that achieves diagnostic-grade reconstruction using only one-sixth of the conventional radiation dose. 4102 patients with 8675 CBCT scans from 12 centers were included to develop and validate DeepPriorCBCT. Additionally, a prospective cross-over trial (Registry number: NCT07035977) which recruited 138 patients scheduled for percutaneous thoracic puncture was conducted to assess the model's clinical applicability. Assessment by 11 physicians confirmed that reconstructed images were indistinguishable from original scans. Moreover, diagnostic performance and overall image quality were comparable to those generated by standard reconstruction algorithms. In the prospective trial, five radiologists reported no significant differences in image quality or lesion assessment between DeepPriorCBCT and the clinical standard (all P>0.05). Likewise, 25 interventionalists expressed no preference between model-based and full-sampling images for surgical guidance (Kappa<0.2). Radiation exposure with DeepPriorCBCT was reduced to approximately one-sixth of that with the conventional approach, and collectively, the findings confirm that it enables high-quality CBCT reconstruction under sparse sampling conditions while markedly decreasing intraoperative radiation risk.
• Abstract（参考訳）: コーンビームCT(CBCT)ガイド下穿刺は,早期から中期の胸部腫瘍の診断・治療に確立されたアプローチとなっているが,放射線曝露は二次性悪性腫瘍のリスクを大幅に高める。 複数の低用量CBCT戦略が導入されたが、大規模なマルチセンター・リフレクション・データセットによる検証は行われておらず、将来的な臨床評価は依然として不十分である。 本稿では,従来の放射線線量の6分の1しか使用せず,診断段階の再構築を実現する3段階のディープラーニングフレームワークであるDeepPriorCBCTを提案する。 DeepPriorCBCTを開発・評価するために12センターから8675 CBCTをスキャンした4102例を収録した。 さらに, 経皮的胸腔穿刺を予定した138名の患者を対象に, 臨床応用性を評価するためのクロスオーバー試験(登録番号: NCT07035977)を行った。 11人の医師による評価では、再構成された画像は元のスキャンと区別できないことが確認された。 さらに、診断性能と全体的な画像品質は、標準的な再構成アルゴリズムで生成されたものと同等であった。 5人の放射線技師がDeepPriorCBCTと臨床標準(全P>0.05)の画質や病変評価に有意な差は認められなかった。 同様に、25人の介入主義者は、手術指導のためのモデルベース画像とフルサンプリング画像(Kappa<0.2。 DeepPriorCBCTによる放射線曝露は従来手法の約6分の1に減少し, 術後の放射線リスクを著しく低減しつつ, スパースサンプリング条件下での高品質CBCT再建が可能であることが確認された。

関連論文リスト

• CASR-Net: An Image Processing-focused Deep Learning-based Coronary Artery Segmentation and Refinement Network for X-ray Coronary Angiogram [9.788176765955534]
  冠動脈疾患(CAD)は死亡率の低下と患者の治療計画の改善に重要である。 冠状動脈リファインメントネットワーク(CASR-Net, Coronary Artery and Refinement Network)は, 画像前処理, セグメンテーション, 精細化の3段階からなるパイプラインである。
  論文  参考訳（メタデータ） (2025-10-31T09:40:29Z)
• Multimodal Deep Learning for Phyllodes Tumor Classification from Ultrasound and Clinical Data [0.29981448312652675]
  Phyllodes tumors (PTs) は良性線維腺腫との放射線学的類似性から術前の分類が困難である。 乳房超音波(BUS)画像を構造化された臨床データと統合して診断精度を向上させるマルチモーダルディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-08-29T19:54:11Z)
• Clinically-Informed Preprocessing Improves Stroke Segmentation in Low-Resource Settings [0.052118759008482306]
  2～9日後にDWIからの注視後病変量を予測するために,入ってくるCT画像を入力として利用する一連のモデルを開発した。 提案したパイプラインは、ベースライン前処理でトレーニングされたnnU-Netモデルと比較して、10倍以上のDiceスコアが38%改善される。
  論文  参考訳（メタデータ） (2025-08-21T23:43:17Z)
• Solving Low-Dose CT Reconstruction via GAN with Local Coherence [2.325977856241404]
  本稿では,局所コヒーレンスを向上したGANを用いた新しい手法を提案する。 提案手法は, 近接画像の局所的コヒーレンスを光学的流れにより捕捉し, 構築した画像の精度と安定性を著しく向上させる。
  論文  参考訳（メタデータ） (2023-09-24T08:55:42Z)
• Revisiting Computer-Aided Tuberculosis Diagnosis [56.80999479735375]
  結核(TB)は世界的な健康上の脅威であり、毎年何百万人もの死者を出している。 深層学習を用いたコンピュータ支援結核診断 (CTD) は有望であるが, 限られたトレーニングデータによって進行が妨げられている。 結核X線(TBX11K)データセットは11,200個の胸部X線(CXR)画像とそれに対応するTB領域のバウンディングボックスアノテーションを含む。 このデータセットは、高品質なCTDのための洗練された検出器のトレーニングを可能にする。
  論文  参考訳（メタデータ） (2023-07-06T08:27:48Z)
• Domain Transfer Through Image-to-Image Translation for Uncertainty-Aware Prostate Cancer Classification [42.75911994044675]
  前立腺MRIの非対位画像翻訳のための新しいアプローチと臨床的に重要なPCaを分類するための不確実性認識トレーニングアプローチを提案する。 提案手法では,無ペアの3.0T多パラメータ前立腺MRIを1.5Tに翻訳し,利用可能なトレーニングデータを増強する。 実験の結果,提案手法は,従来の研究に比べてAUC(Area Under ROC Curve)を20%以上改善することがわかった。
  論文  参考訳（メタデータ） (2023-07-02T05:26:54Z)
• SNAF: Sparse-view CBCT Reconstruction with Neural Attenuation Fields [71.84366290195487]
  神経減衰場を学習し,スパースビューCBCT再構成のためのSNAFを提案する。 提案手法は,入力ビューが20程度しかなく,高再生品質(30以上のPSNR)で優れた性能を実現する。
  論文  参考訳（メタデータ） (2022-11-30T14:51:14Z)
• Malignancy Prediction and Lesion Identification from Clinical Dermatological Images [65.1629311281062]
  臨床皮膚画像から機械学習に基づく悪性度予測と病変の同定を検討する。 まず, サブタイプや悪性度に関わらず画像に存在するすべての病変を同定し, その悪性度を推定し, 凝集により, 画像レベルの悪性度も生成する。
  論文  参考訳（メタデータ） (2021-04-02T20:52:05Z)

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。