論文の概要: RAFM: Retrieval-Augmented Flow Matching for Unpaired CBCT-to-CT Translation

• arxiv url: http://arxiv.org/abs/2603.00535v1
• Date: Sat, 28 Feb 2026 08:19:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-03 19:50:56.247843
• Title: RAFM: Retrieval-Augmented Flow Matching for Unpaired CBCT-to-CT Translation
• Title（参考訳）: RAFM:未ペアCBCT-to-CT翻訳のための検索拡張フローマッチング
• Authors: Xianhao Zhou, Jianghao Wu, Lanfeng Zhong, Ku Zhao, Jinlong He, Shaoting Zhang, Guotai Wang,
• Abstract要約: 医用画像におけるCBCT-to-CT翻訳にRF(rerectified flow)を導入する。 RFは、分布レベルの結合と決定論的輸送による未経験学習と理論的に互換性がある。 RAFMは、凍結したDINOv3エンコーダとグローバルCTメモリバンクを用いて検索誘導擬似ペアを構築することにより、医療環境にRFを適応させる。
• 参考スコア（独自算出の注目度）: 14.554294695910196
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cone-beam CT (CBCT) is routinely acquired in radiotherapy but suffers from severe artifacts and unreliable Hounsfield Unit (HU) values, limiting its direct use for dose calculation. Synthetic CT (sCT) generation from CBCT is therefore an important task, yet paired CBCT--CT data are often unavailable or unreliable due to temporal gaps, anatomical variation, and registration errors. In this work, we introduce rectified flow (RF) into unpaired CBCT-to-CT translation in medical imaging. Although RF is theoretically compatible with unpaired learning through distribution-level coupling and deterministic transport, its practical effectiveness under small medical datasets and limited batch sizes remains underexplored. Direct application with random or batch-local pseudo pairing can produce unstable supervision due to semantically mismatched endpoint samples. To address this challenge, we propose Retrieval-Augmented Flow Matching (RAFM), which adapts RF to the medical setting by constructing retrieval-guided pseudo pairs using a frozen DINOv3 encoder and a global CT memory bank. This strategy improves empirical coupling quality and stabilizes unpaired flow-based training. Experiments on SynthRAD2023 under a strict subject-level true-unpaired protocol show that RAFM outperforms existing methods across FID, MAE, SSIM, PSNR, and SegScore. The code is available at https://github.com/HiLab-git/RAFM.git.
• Abstract（参考訳）: コーンビームCT(CBCT)は放射線療法で日常的に取得されるが、重篤なアーティファクトと信頼性の低いハウンズフィールド単位(HU)値に悩まされ、線量計算に使用が制限される。 そのため、CBCTからの合成CT(sCT)生成は重要な課題であるが、CBCT-CTデータはしばしば、時間的ギャップ、解剖学的変異、登録エラーのために利用できないか、信頼できない。 そこで本研究では,医療画像におけるCBCT-to-CT翻訳の補正フロー(RF)について紹介する。 RFは分布レベルの結合と決定論的輸送を通した未経験学習と理論的に互換性があるが、小さな医療データセットと限られたバッチサイズでの実践的有効性は未解明のままである。 ランダムまたはバッチローカルな擬似ペアリングを用いた直接アプリケーションでは,意味的ミスマッチしたエンドポイントサンプルによる不安定な監視が可能である。 この課題に対処するために、凍結したDINOv3エンコーダとグローバルCTメモリバンクを用いて検索誘導擬似ペアを構築することにより、RFを医療環境に適応させるRAFM(Retrieval-Augmented Flow Matching)を提案する。 この戦略は経験的結合品質を改善し、未経験のフローベーストレーニングを安定化させる。 SynthRAD2023の厳密な主観レベル真非ペアプロトコルによる実験では、RAFMはFID、MAE、SSIM、PSNR、SegScoreで既存の手法よりも優れていた。 コードはhttps://github.com/HiLab-git/RAFM.gitで公開されている。

関連論文リスト

• Flow Matching for Conditional MRI-CT and CBCT-CT Image Synthesis [0.0]
  Flow Matching frameworkは、MRIまたはCBCT画像から合成CTを生成するために使用される。 3つの解剖学的領域にわたるMRI sCT と CBCT sCT のモデルを訓練する。 その結果,グローバルな解剖学的構造を正確に再構築できることが示唆された。 今後の研究は、パッチベースのトレーニングとラテントスペースフローモデルを使って、解像度と局所的な構造的忠実性を改善することである。
  論文  参考訳（メタデータ） (2025-10-06T14:07:03Z)
• EqDiff-CT: Equivariant Conditional Diffusion model for CT Image Synthesis from CBCT [43.92108185590778]
  画像誘導放射線療法(IGRT)に広く用いられているコーンビームCT(CBCT) CBCTから高品質なCT画像を生成するために,EqDiff-CTという新しい拡散型条件生成モデルを提案する。
  論文  参考訳（メタデータ） (2025-09-26T05:51:59Z)
• A Privacy-Preserving Federated Learning Framework for Generalizable CBCT to Synthetic CT Translation in Head and Neck [0.0]
  Cone-beam CT(CBCT)は画像誘導放射線療法(IGRT)において広く採用されている。 頭頸部領域におけるCBCT-to-sCT合成のためのクロスサイロ水平フェデレーションラーニング(FL)手法を提案する。
  論文  参考訳（メタデータ） (2025-06-10T10:10:56Z)
• Boundary-aware Decoupled Flow Networks for Realistic Extreme Rescaling [49.215957313126324]
  Invertible rescaling Network (IRN) やgenerative adversarial Network (GAN) などを含む最近の生成手法は、画像再スケーリングにおいて例外的な性能を示した。 しかし、IRNベースの手法は過度に滑らかな結果を生成する傾向にあり、一方、GANベースの手法は偽の細部を容易に生成する。 本稿では,現実的かつ視覚的に満足な結果を生成するために,境界対応デカップリングフローネットワーク(BDFlow)を提案する。
  論文  参考訳（メタデータ） (2024-05-05T14:05:33Z)
• 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)
• Exploring contrast generalisation in deep learning-based brain MRI-to-CT synthesis [0.0]
  MRIプロトコルは、経時的に変化するか、または低品質のsCTをもたらすセンターによって異なる可能性がある。 ドメインランダム化(DR)は、脳sCT生成のためのDLモデルの一般化を増大させる。
  論文  参考訳（メタデータ） (2023-03-17T18:45:05Z)
• Radiomics-Guided Global-Local Transformer for Weakly Supervised Pathology Localization in Chest X-Rays [65.88435151891369]
  Radiomics-Guided Transformer (RGT)は、テキストトグロバル画像情報と、テキストトグロバル情報とを融合する。 RGTは、画像トランスフォーマーブランチ、放射能トランスフォーマーブランチ、および画像と放射線情報を集約する融合層から構成される。
  論文  参考訳（メタデータ） (2022-07-10T06:32:56Z)
• Mitigating the Mutual Error Amplification for Semi-Supervised Object Detection [92.52505195585925]
  擬似ラベルの修正機構を導入し,相互誤りの増幅を緩和するクロス・インストラクション(CT)手法を提案する。 他の検出器からの予測を直接擬似ラベルとして扱う既存の相互指導法とは対照的に,我々はラベル修正モジュール(LRM)を提案する。
  論文  参考訳（メタデータ） (2022-01-26T03:34:57Z)
• Deep cross-modality (MR-CT) educed distillation learning for cone beam CT lung tumor segmentation [3.8791511769387634]
  新しい深層学習型cbct肺腫瘍分割法を開発した。 提案手法の主な考え方は、磁気共鳴イメージング(MRI)を用いてCBCTセグメンテーションネットワークトレーニングをガイドすることである。 我々は,unpaired cbct と mri データセットを用いて,unpaired domain adaptation (uda) とcross-domain segmentation distillation network (sdn) からなるエンドツーエンドネットワークを訓練することでこれを実現する。
  論文  参考訳（メタデータ） (2021-02-17T03:52:02Z)
• Federated Deep AUC Maximization for Heterogeneous Data with a Constant Communication Complexity [77.78624443410216]
  異種胸部データ検出のための改良型FDAMアルゴリズムを提案する。 本研究は,提案アルゴリズムの通信が機械数に強く依存し,精度レベルにも強く依存していることを示す。 FDAMアルゴリズムのベンチマークデータセットと、異なる組織の医療用胸部X線画像に対する効果を実験により実証した。
  論文  参考訳（メタデータ） (2021-02-09T04:05:19Z)
• COVI-AgentSim: an Agent-based Model for Evaluating Methods of Digital Contact Tracing [68.68882022019272]
  COVI-AgentSimは、ウイルス学、病気の進行、社会的接触ネットワーク、移動パターンに基づくエージェントベースのコンパートメンタルシミュレータである。 1)バイナリテスト結果に基づいてバイナリレコメンデーションを割り当てる標準バイナリコンタクトトレース (BCT) と,2) 多様な特徴に基づいてグレードレベルのレコメンデーションを割り当てる特徴ベースコンタクトトレース (FCT) のルールベースの手法である。
  論文  参考訳（メタデータ） (2020-10-30T00:47:01Z)

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。