論文の概要: Structure-constrained Language-informed Diffusion Model for Unpaired Low-dose Computed Tomography Angiography Reconstruction

• arxiv url: http://arxiv.org/abs/2601.20304v1
• Date: Wed, 28 Jan 2026 06:54:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-29 15:46:06.803808
• Title: Structure-constrained Language-informed Diffusion Model for Unpaired Low-dose Computed Tomography Angiography Reconstruction
• Title（参考訳）: 低用量CTアンギオグラフィー再構成のための構造制約言語インフォームド拡散モデル
• Authors: Genyuan Zhang, Zihao Wang, Zhifan Gao, Lei Xu, Zhen Zhou, Haijun Yu, Jianjia Zhang, Xiujian Liu, Weiwei Zhang, Shaoyu Wang, Huazhu Fu, Fenglin Liu, Weiwen Wu,
• Abstract要約: ヨウ素化コントラスト培地(ICM)の過剰摂取は、腎臓の損傷と致命的なアレルギー反応を引き起こす。 深層学習法は、低線量ICMから正常線量ICMのCT画像を生成することができ、必要な線量を減らすことができる。 本研究では,構造シナジーと空間知性を統合した構造制約型言語情報拡散モデル(SLDM)を提案する。
• 参考スコア（独自算出の注目度）: 72.80209358480424
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The application of iodinated contrast media (ICM) improves the sensitivity and specificity of computed tomography (CT) for a wide range of clinical indications. However, overdose of ICM can cause problems such as kidney damage and life-threatening allergic reactions. Deep learning methods can generate CT images of normal-dose ICM from low-dose ICM, reducing the required dose while maintaining diagnostic power. However, existing methods are difficult to realize accurate enhancement with incompletely paired images, mainly because of the limited ability of the model to recognize specific structures. To overcome this limitation, we propose a Structure-constrained Language-informed Diffusion Model (SLDM), a unified medical generation model that integrates structural synergy and spatial intelligence. First, the structural prior information of the image is effectively extracted to constrain the model inference process, thus ensuring structural consistency in the enhancement process. Subsequently, semantic supervision strategy with spatial intelligence is introduced, which integrates the functions of visual perception and spatial reasoning, thus prompting the model to achieve accurate enhancement. Finally, the subtraction angiography enhancement module is applied, which serves to improve the contrast of the ICM agent region to suitable interval for observation. Qualitative analysis of visual comparison and quantitative results of several metrics demonstrate the effectiveness of our method in angiographic reconstruction for low-dose contrast medium CT angiography.
• Abstract（参考訳）: ヨード造影剤(ICM)の応用により,CTの感度と特異性は幅広い臨床症状に対して向上する。 しかし、ICMの過剰摂取は、腎臓の損傷や致命的なアレルギー反応などの問題を引き起こす可能性がある。 深層学習法は低線量ICMから正常線量ICMのCT画像を生成することができ、診断能力を維持しながら必要な線量を減らすことができる。 しかし、モデルが特定の構造を認識する能力に制限があるため、不完全なペア画像による精度向上を実現することは困難である。 この制限を克服するために,構造的シナジーと空間的知性を統合した統合医療生成モデルである構造制約言語情報拡散モデル(SLDM)を提案する。 まず、画像の構造的事前情報を効果的に抽出し、モデル推論過程を制約し、拡張過程における構造的整合性を確保する。 その後、視覚知覚機能と空間推論機能を統合した空間知能を用いた意味的監視戦略を導入し、正確な拡張を実現するようモデルに促す。 最後に、サブトラクション血管造影モジュールを適用し、IMMエージェント領域のコントラストを観察に適した間隔に向上させるのに役立つ。 低用量造影CTにおける血管造影法の有用性について検討した。

関連論文リスト

• Super-Resolution Enhancement of Medical Images Based on Diffusion Model: An Optimization Scheme for Low-Resolution Gastric Images [1.416562653124415]
  カプセル内視鏡は最小侵襲の消化管画像撮影を可能にしているが、その臨床的有用性は、キャプチャー画像の本質的に低解像度化によって制限されている。 本研究では, カプセル内視鏡像をデータ駆動方式で高精細化するための拡散型超解像フレームワークについて検討する。
  論文  参考訳（メタデータ） (2025-12-22T03:37:47Z)
• A Semantically Enhanced Generative Foundation Model Improves Pathological Image Synthesis [82.01597026329158]
  本稿では,組織合成のための相関調整フレームワーク(CRAFTS)について紹介する。 CRAFTSは、生物学的精度を確保するためにセマンティックドリフトを抑制する新しいアライメント機構を組み込んでいる。 本モデルは,30種類の癌にまたがる多彩な病理像を生成する。
  論文  参考訳（メタデータ） (2025-12-15T10:22:43Z)
• Lesion-Aware Post-Training of Latent Diffusion Models for Synthesizing Diffusion MRI from CT Perfusion [12.777937532267105]
  ラテント拡散モデル(LDMs)は圧縮されたラテント空間における効率的な学習を活用する。 この効率性にはトレードオフがあり、重要なピクセルレベルの詳細を妥協させる可能性がある。 本稿では, 画像から画像への変換において, 病変対応の医用画素空間の目的を取り入れた, LDMの新たなトレ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） (2025-10-10T06:51:27Z)
• Direct Dual-Energy CT Material Decomposition using Model-based Denoising Diffusion Model [105.95160543743984]
  本稿では,Dual-Energy Decomposition Model-based Diffusion (DEcomp-MoD) と呼ばれる深層学習手法を提案する。 Decomp-MoDは、教師なしスコアベースモデルと教師なしディープラーニングネットワークより優れていることを示す。
  論文  参考訳（メタデータ） (2025-07-24T01:00:06Z)
• GAN-Based Architecture for Low-dose Computed Tomography Imaging Denoising [1.0138723409205497]
  GAN(Generative Adversarial Networks)は低線量CT(LDCT)領域における革命的要素として浮上している。 本総説では,GANに基づくLDCT復調技術の急速な進歩を概観する。
  論文  参考訳（メタデータ） (2024-11-14T15:26:10Z)
• 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)
• Structure-aware registration network for liver DCE-CT images [50.28546654316009]
  セグメント化誘導深層登録網に関連臓器の構造情報を組み込んだ構造認識型登録手法を提案する。 提案手法は,最新技術よりも高い登録精度を達成し,解剖学的構造を効果的に維持することができる。
  論文  参考訳（メタデータ） (2023-03-08T14:08:56Z)
• Multi-Channel Convolutional Analysis Operator Learning for Dual-Energy CT Reconstruction [108.06731611196291]
  我々は,多チャンネル畳み込み解析演算子学習法(MCAOL)を開発した。 本研究では,低エネルギー,高エネルギーで減衰画像を共同で再構成する最適化手法を提案する。
  論文  参考訳（メタデータ） (2022-03-10T14:22:54Z)

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。