論文の概要: MAP-Diff: Multi-Anchor Guided Diffusion for Progressive 3D Whole-Body Low-Dose PET Denoising
- arxiv url: http://arxiv.org/abs/2603.02012v1
- Date: Mon, 02 Mar 2026 15:58:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-03 19:50:56.954542
- Title: MAP-Diff: Multi-Anchor Guided Diffusion for Progressive 3D Whole-Body Low-Dose PET Denoising
- Title（参考訳）: MAP-Diff : 進行性3次元低線量PET用マルチアンカー誘導拡散法
- Authors: Peiyuan Jing, Chun-Wun Cheng, Liutao Yang, Zhenxuan Zhang, Thiago V. Lima, Klaus Strobel, Antoine Leimgruber, Angelica Aviles-Rivero, Guang Yang, Javier A. Montoya-Zegarra,
- Abstract要約: 低線量ポジトロン放射トモグラフィ(PET)は放射線被曝を減少させるが、強いノイズと定量的な劣化に悩まされる。
プログレッシブ3次元全身PETデノナイズのためのマルチアンカー誘導拡散フレームワークMAP-Diffを提案する。
- 参考スコア（独自算出の注目度）: 5.368395777354849
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Low-dose Positron Emission Tomography (PET) reduces radiation exposure but suffers from severe noise and quantitative degradation. Diffusion-based denoising models achieve strong final reconstructions, yet their reverse trajectories are typically unconstrained and not aligned with the progressive nature of PET dose formation. We propose MAP-Diff, a multi-anchor guided diffusion framework for progressive 3D whole-body PET denoising. MAP-Diff introduces clinically observed intermediate-dose scans as trajectory anchors and enforces timestep-dependent supervision to regularize the reverse process toward dose-aligned intermediate states. Anchor timesteps are calibrated via degradation matching between simulated diffusion corruption and real multi-dose PET pairs, and a timestep-weighted anchor loss stabilizes stage-wise learning. At inference, the model requires only ultra-low-dose input while enabling progressive, dose-consistent intermediate restoration. Experiments on internal (Siemens Biograph Vision Quadra) and cross-scanner (United Imaging uEXPLORER) datasets show consistent improvements over strong CNN-, Transformer-, GAN-, and diffusion-based baselines. On the internal dataset, MAP-Diff improves PSNR from 42.48 dB to 43.71 dB (+1.23 dB), increases SSIM to 0.986, and reduces NMAE from 0.115 to 0.103 (-0.012) compared to 3D DDPM. Performance gains generalize across scanners, achieving 34.42 dB PSNR and 0.141 NMAE on the external cohort, outperforming all competing methods.
- Abstract（参考訳）: 低線量ポジトロン放射トモグラフィ(PET)は放射線被曝を減少させるが、強いノイズと定量的な劣化に悩まされる。
拡散に基づくデノナイジングモデルでは、強い最終再構成が達成されるが、その逆の軌道は通常制約がなく、PET線量形成の進行的な性質と一致しない。
プログレッシブ3次元全身PETデノナイズのためのマルチアンカー誘導拡散フレームワークMAP-Diffを提案する。
MAP-Diffは、臨床的に観察された中間線量スキャンを軌跡アンカーとして導入し、逆過程を線量整合中間状態に調整するために時間ステップ依存的な監督を強制する。
シミュレーション拡散劣化と実際の多量PETペアの分解マッチングによりアンカータイムステップを校正し、タイムステップ重み付きアンカー損失はステージワイズ学習を安定化させる。
推測では、このモデルは極低用量入力しか必要とせず、進行的で線量一貫性のある中間修復を可能にする。
内部(Siemens Biograph Vision Quadra)とクロススキャナ(United Imaging uEXPLORER)データセットの実験は、強力なCNN-、Transformer-、GAN-、拡散ベースラインよりも一貫した改善を示している。
内部データセットでは、MAP-Diff は PSNR を 42.48 dB から 43.71 dB (+1.23 dB) に改善し、SSIM を 0.986 に増加させ、NMAE を 3D DDPM と比較して0.115 から 0.103 (-0.012) に削減する。
スキャナ全体での性能向上が一般化し、外部コホート上で34.42dBのPSNRと0.141のNMAEが達成され、競合する全ての手法より優れている。
関連論文リスト
- Structure-Informed Estimation for Pilot-Limited MIMO Channels via Tensor Decomposition [51.56484100374058]
本稿では、スパース観測から低ランクテンソル完備化としてパイロットリミテッドチャネル推定を定式化する。
合成チャネル実験による最小二乗平均二乗誤差(NMSE)の最小二乗平均誤差(LS)に対する改善
DeepMIMO線トレーシングチャネルの評価では、純粋なテンソル法よりも24-44%NMSEが減少している。
論文 参考訳（メタデータ） (2026-02-03T23:38:05Z) - 3D Wavelet-Based Structural Priors for Controlled Diffusion in Whole-Body Low-Dose PET Denoising [6.285848674409191]
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。
論文 参考訳（メタデータ） (2026-01-11T23:26:06Z) - AST-n: A Fast Sampling Approach for Low-Dose CT Reconstruction using Diffusion Models [0.0]
AST-nは、中間雑音レベルからの逆拡散を開始する加速推論フレームワークである。
25ステップしか使用しない条件付きモデル(AST-25)は38dB以上のピーク信号対雑音比(PSNR)を達成する。
高次サンプリング器を持つAST-nは、画像の忠実度を著しく損なうことなく、高速LDCT再構成を可能にする。
論文 参考訳（メタデータ） (2025-08-13T16:57:49Z) - Adversarial Distribution Matching for Diffusion Distillation Towards Efficient Image and Video Synthesis [65.77083310980896]
本稿では, 実測値と偽測値の間に潜時予測を整列させる適応分布マッチング (ADM) を提案する。
提案手法は,DMD2と比較してSDXLの1ステップ性能に優れ,GPU時間が少ない。
SD3-Medium, SD3.5-Large, CogVideoX に多段階の ADM 蒸留を適用した実験では, 画像と映像の効率的な合成に向けた新しいベンチマークが設定された。
論文 参考訳（メタデータ） (2025-07-24T16:45:05Z) - Supervised Diffusion-Model-Based PET Image Reconstruction [44.89560992517543]
PET画像再構成の前兆として拡散モデル (DM) が導入された。
PET再構成のための教師付きDMベースアルゴリズムを提案する。
本手法はPETのポアソン確率モデルの非負性性を強制し,PET画像の広い範囲に適応する。
論文 参考訳（メタデータ） (2025-06-30T16:39:50Z) - Diffusion Transformer-based Universal Dose Denoising for Pencil Beam Scanning Proton Therapy [3.2139860661520347]
低統計量モンテカルロ線量マップ(MC)は高速で高品質な線量生成を実現するために提案されている。
80例のH&N患者のIMPT計画と3次元CT画像を用いて,ノイズおよび高統計的線量マップを作成した。
このモデルはすべての地点で0.195 (H&N), 0.120 (lung), 0.172 (breast), 0.376 Gy[RBE] (prostate) のMAEを達成した。
論文 参考訳（メタデータ） (2025-06-04T21:37:15Z) - Cycle-Constrained Adversarial Denoising Convolutional Network for PET Image Denoising: Multi-Dimensional Validation on Large Datasets with Reader Study and Real Low-Dose Data [9.160782425067712]
低線量スキャンから高画質画像を再構成するためのCycle-DCN(Cycle-versa Adrial Denoising Convolutional Network)を提案する。
1,224名の患者から得られた生のPET脳データからなる大規模なデータセットを用いて実験を行った。
サイクルDCNは平均ピーク信号対雑音比(PSNR)、SSIM、正規化ルート平均角誤差(NRMSE)を3つの線量レベルで改善する。
論文 参考訳（メタデータ） (2024-10-31T04:34:28Z) - 2.5D Multi-view Averaging Diffusion Model for 3D Medical Image Translation: Application to Low-count PET Reconstruction with CT-less Attenuation Correction [17.897681480967087]
ポジトロン・エミッション・トモグラフィ(PET)は重要な臨床画像診断ツールであるが、患者や医療機関に必然的に放射線障害をもたらす。
非減衰補正低線量PETを減衰補正標準線量PETに変換する3D法の開発が望ましい。
近年の拡散モデルは、従来のCNNベースの手法よりも優れた画像から画像への翻訳のための最先端のディープラーニング手法として登場した。
NACを用いた3次元画像から画像への変換のための新しい2.5次元マルチビュー平均拡散モデル(MADM)を開発した。
論文 参考訳（メタデータ） (2024-06-12T16:22:41Z) - Adaptive Multi-step Refinement Network for Robust Point Cloud Registration [82.64560249066734]
ポイントクラウド登録は、同じシーンの2つのポイントクラウド間の相対的な厳密な変換を推定する。
本稿では,前ステップからの情報を活用することで,各ステップの登録品質を向上する適応型多段階改良ネットワークを提案する。
本手法は3DMatch/3DLoMatchベンチマークとKITTIベンチマークの両方で最先端の性能を実現する。
論文 参考訳（メタデータ） (2023-12-05T18:59:41Z) - Contrastive Diffusion Model with Auxiliary Guidance for Coarse-to-Fine
PET Reconstruction [62.29541106695824]
本稿では, 粗い予測モジュール (CPM) と反復的修正モジュール (IRM) から構成される粗大なPET再構成フレームワークを提案する。
計算オーバーヘッドの大部分をCPMに委譲することで,本手法のサンプリング速度を大幅に向上させることができる。
2つの追加戦略、すなわち補助的な誘導戦略と対照的な拡散戦略が提案され、再構築プロセスに統合される。
論文 参考訳（メタデータ） (2023-08-20T04:10:36Z) - TriDo-Former: A Triple-Domain Transformer for Direct PET Reconstruction
from Low-Dose Sinograms [45.24575167909925]
TriDoFormerは、シングラム、画像、周波数の3つのドメインを結合して直接再構成するトランスフォーマーベースのモデルである。
最先端の手法を質的に、定量的に上回る。
GFPは、周波数領域の周波数成分を調整するための学習可能な周波数フィルタとして機能し、ネットワークに高周波の詳細を復元させる。
論文 参考訳（メタデータ） (2023-08-10T06:20:00Z) - Multifold Acceleration of Diffusion MRI via Slice-Interleaved Diffusion
Encoding (SIDE) [50.65891535040752]
本稿では,Slice-Interleaved Diffusionと呼ばれる拡散符号化方式を提案する。
SIDEは、拡散重み付き(DW)画像ボリュームを異なる拡散勾配で符号化したスライスでインターリーブする。
また,高いスライスアンサンプデータからDW画像を効果的に再構成するためのディープラーニングに基づく手法を提案する。
論文 参考訳（メタデータ） (2020-02-25T14:48:17Z)
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。