論文の概要: 3D Wavelet-Based Structural Priors for Controlled Diffusion in Whole-Body Low-Dose PET Denoising

• arxiv url: http://arxiv.org/abs/2601.07093v1
• Date: Sun, 11 Jan 2026 23:26:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-13 19:08:01.160452
• Title: 3D Wavelet-Based Structural Priors for Controlled Diffusion in Whole-Body Low-Dose PET Denoising
• Title（参考訳）: 全身低線量PETにおける3次元ウェーブレットによる拡散制御
• Authors: Peiyuan Jing, Yue Tang, Chun-Wun Cheng, Zhenxuan Zhang, Liutao Yang, Thiago V. Lima, Klaus Strobel, Antoine Leimgruber, Angelica Aviles-Rivero, Guang Yang, Javier Montoya,
• Abstract要約: 低線量ポジトロン断層撮影(PET)は、患者の放射線被曝を減少させるが、画像品質と診断信頼性を低下させるノイズの増大に悩まされる。 完全3次元拡散に基づくフレームワークであるWavelet-Conditioned ControlNet(WCC-Net)を提案する。
• 参考スコア（独自算出の注目度）: 6.285848674409191
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Low-dose Positron Emission Tomography (PET) imaging reduces patient radiation exposure but suffers from increased noise that degrades image quality and diagnostic reliability. Although diffusion models have demonstrated strong denoising capability, their stochastic nature makes it challenging to enforce anatomically consistent structures, particularly in low signal-to-noise regimes and volumetric whole-body imaging. We propose Wavelet-Conditioned ControlNet (WCC-Net), a fully 3D diffusion-based framework that introduces explicit frequency-domain structural priors via wavelet representations to guide volumetric PET denoising. By injecting wavelet-based structural guidance into a frozen pretrained diffusion backbone through a lightweight control branch, WCC-Net decouples anatomical structure from noise while preserving generative expressiveness and 3D structural continuity. Extensive experiments demonstrate that WCC-Net consistently outperforms CNN-, GAN-, and diffusion-based baselines. On the internal 1/20-dose test set, WCC-Net improves PSNR by +1.21 dB and SSIM by +0.008 over a strong diffusion baseline, while reducing structural distortion (GMSD) and intensity error (NMAE). Moreover, WCC-Net generalizes robustly to unseen dose levels (1/50 and 1/4), achieving superior quantitative performance and improved volumetric anatomical consistency.
• Abstract（参考訳）: 低線量ポジトロン断層撮影(PET)は、患者の放射線被曝を減少させるが、画像品質と診断信頼性を低下させるノイズの増大に悩まされる。 拡散モデルは強力なノイズ発生能力を示してきたが、その確率的な性質は解剖学的に一貫した構造、特に低信号対雑音状態や体積体全体像の強制を困難にしている。 本稿では,ウェーブレット表現による周波数領域構造を明示的に導入し,容積PETデノイングをガイドする,完全3次元拡散ベースフレームワークであるWavelet-Conditioned ControlNet(WCC-Net)を提案する。 WCC-Netは、ウェーブレットをベースとした構造誘導を、軽量制御分岐を介して凍結した拡散バックボーンに注入することにより、生成的表現性と3次元構造連続性を保ちながら、ノイズから解剖学的構造を分離する。 大規模な実験により、WCC-NetはCNN-, GAN-, 拡散ベースラインより一貫して優れていた。 内部の1/20doseテストセットでは、WCC-NetはPSNRを+1.21dB、SSIMを+0.008で改善し、構造歪み(GMSD)と強度誤差(NMAE)を低減した。 さらに、WCC-Netは、目立たない線量レベル(1/50と1/4)に頑健に一般化し、優れた定量性能と体積解剖学的整合性を実現している。

関連論文リスト

• PHASE-Net: Physics-Grounded Harmonic Attention System for Efficient Remote Photoplethysmography Measurement [63.007237197267834]
  既存のディープラーニング手法は、主に生理学的モニタリングであり、理論的な堅牢性を欠いている。 本研究では,Navier-Stokes方程式のヘモダイナミックスから導かれる物理インフォームド r パラダイムを提案し,パルス信号が2次系に従うことを示す。 これは、時間的円錐ネットワーク(TCN)を使用する理論的正当性を提供する。 Phase-Netは高い効率で最先端のパフォーマンスを実現し、理論上は基礎的でデプロイ可能な r ソリューションを提供する。
  論文  参考訳（メタデータ） (2025-09-29T14:36:45Z)
• Blind-Spot Guided Diffusion for Self-supervised Real-World Denoising [55.099717395320276]
  Blind-Spot Guided Diffusionは、現実のイメージをデノナイズするための新しい自己教師型フレームワークである。 提案手法は,盲点ネットワーク(BSN)の限界と,自己教師型認知への拡散モデルの適用の難しさの2つに対処する。
  論文  参考訳（メタデータ） (2025-09-19T15:35:07Z)
• Implicit Spatiotemporal Bandwidth Enhancement Filter by Sine-activated Deep Learning Model for Fast 3D Photoacoustic Tomography [0.0]
  高周波半球トランスデューサを用いた3次元光音響トモグラフィ(3D-PAT)は、ほぼ一方向受信を提供する。 しかし、サンプリングレートが制限されたチャンネル数などの実用的な制約は、画像品質を低下させるスパースと帯域制限センサーをもたらすことが多い。 センサワイドPAラジオ周波数(PARF)データに直接適用した2次元ディープラーニング(DL)手法を再検討する。 具体的には、SPF信号のブロードバンド特性を復元するために、DLモデルにsine-activatedを導入します。
  論文  参考訳（メタデータ） (2025-07-28T07:16:32Z)
• FD-DiT: Frequency Domain-Directed Diffusion Transformer for Low-Dose CT Reconstruction [3.980622332603746]
  低線量CT(LDCT)は、放射線被曝を減らすが、画像のアーチファクトや、量子および電子ノイズによる詳細の喪失に悩まされる。 FD-DiTは、分布がLDCTデータと統計的に一致するまで、ノイズを徐々に導入する拡散戦略に重点を置いている。 次に、ハイブリッドな復調ネットワークを使用して、全体のデータ再構成プロセスを最適化する。 FD-DiTにより再構成されたLDCT画像は,同じ線量レベルでは,最先端の手法に比べて優れたノイズ抑制とアーチファクト抑制を示すことが示された。
  論文  参考訳（メタデータ） (2025-06-30T02:16:38Z)
• FreSca: Scaling in Frequency Space Enhances Diffusion Models [55.75504192166779]
  本稿では,潜時拡散モデルにおける周波数制御について検討する。 本稿では,低周波成分と高周波成分にノイズ差を分解する新しいフレームワークFreScaを紹介する。 FreScaはモデルの再トレーニングやアーキテクチャの変更なしに動作し、モデルとタスクに依存しない制御を提供する。
  論文  参考訳（メタデータ） (2025-04-02T22:03:11Z)
• Rethinking Transformer-Based Blind-Spot Network for Self-Supervised Image Denoising [94.09442506816724]
  BSN(Blind-spot Network)は、自己教師付き画像復調(SSID)におけるニューラルネットワークアーキテクチャとして広く使われている。 本研究では,Transformer ベースの Blind-Spot Network (TBSN) を構築した。
  論文  参考訳（メタデータ） (2024-04-11T15:39:10Z)
• Anatomical-Guided Attention Enhances Unsupervised PET Image Denoising Performance [0.0]
  解剖学的情報誘導型注意機構に基づく教師なし3次元PET画像復調手法を提案する。 MR-GDD(MR-GDD)はMR-Guidance画像の空間的詳細と意味的特徴をより効果的に活用する。
  論文  参考訳（メタデータ） (2021-09-02T09:27:07Z)
• Retinal OCT Denoising with Pseudo-Multimodal Fusion Network [0.41998444721319206]
  本稿では,単フレームノイズBスキャンと擬似モダリティからの情報を活用する学習手法を提案する。 本手法は, 網膜層間のコントラストを高めるとともに, 全体構造と微小血管を保存し, スペックルノイズを効果的に抑制することができる。
  論文  参考訳（メタデータ） (2021-07-09T08:00:20Z)
• Low-Dose CT Denoising Using a Structure-Preserving Kernel Prediction Network [10.09577595969254]
  CNNに基づくアプローチは、CT画像のすべての領域を等しく扱い、不均一に分布するノイズと共存する微細な構造が共存する場合、非効率である。 本稿では,カーネル予測ネットワークと構造認識損失関数を組み合わせた構造保存カーネル予測ネットワーク(StructKPN)を提案する。 提案手法は, 合成データセットと非合成データセットの両方において優れた性能を達成し, 臨床スクリーニングや低線量プロトコル最適化において望まれる構造を良好に保存する。
  論文  参考訳（メタデータ） (2021-05-31T07:42:21Z)

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。