論文の概要: DSA-SRGS: Super-Resolution Gaussian Splatting for Dynamic Sparse-View DSA Reconstruction

• arxiv url: http://arxiv.org/abs/2603.04770v1
• Date: Thu, 05 Mar 2026 03:41:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-06 22:06:11.055402
• Title: DSA-SRGS: Super-Resolution Gaussian Splatting for Dynamic Sparse-View DSA Reconstruction
• Title（参考訳）: DSA-SRGS:動的スパースビューDSA再構成のための超解像ガウススメッティング
• Authors: Shiyu Zhang, Zhicong Wu, Huangxuan Zhao, Zhentao Liu, Lei Chen, Yong Luo, Lefei Zhang, Zhiming Cui, Ziwen Ke, Bo Du,
• Abstract要約: 血管造影は脳血管疾患の補助的診断と治療のための重要な画像診断法である。 ガウススプラッティングと動的神経表現の最近の進歩は、スパースダイナミックインプットから頑健な3次元血管再構築を可能にしている。 本稿では、動的スパースビューDSA再構成のための初の超高分解能ガウススプラッティングフレームワークであるDSA-SRGSを提案する。
• 参考スコア（独自算出の注目度）: 67.42242016220122
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Digital subtraction angiography (DSA) is a key imaging technique for the auxiliary diagnosis and treatment of cerebrovascular diseases. Recent advancements in gaussian splatting and dynamic neural representations have enabled robust 3D vessel reconstruction from sparse dynamic inputs. However, these methods are fundamentally constrained by the resolution of input projections, where performing naive upsampling to enhance rendering resolution inevitably results in severe blurring and aliasing artifacts. Such lack of super-resolution capability prevents the reconstructed 4D models from recovering fine-grained vascular details and intricate branching structures, which restricts their application in precision diagnosis and treatment. To solve this problem, this paper proposes DSA-SRGS, the first super-resolution gaussian splatting framework for dynamic sparse-view DSA reconstruction. Specifically, we introduce a Multi-Fidelity Texture Learning Module that integrates high-quality priors from a fine-tuned DSA-specific super-resolution model, into the 4D reconstruction optimization. To mitigate potential hallucination artifacts from pseudo-labels, this module employs a Confidence-Aware Strategy to adaptively weight supervision signals between the original low-resolution projections and the generated high-resolution pseudo-labels. Furthermore, we develop Radiative Sub-Pixel Densification, an adaptive strategy that leverages gradient accumulation from high-resolution sub-pixel sampling to refine the 4D radiative gaussian kernels. Extensive experiments on two clinical DSA datasets demonstrate that DSA-SRGS significantly outperforms state-of-the-art methods in both quantitative metrics and qualitative visual fidelity.
• Abstract（参考訳）: DSA(Digital Subtraction angiography)は、脳血管疾患の補助診断と治療のための重要な画像診断技術である。 ガウススプラッティングと動的神経表現の最近の進歩は、スパースダイナミックインプットから頑健な3次元血管再構築を可能にしている。 しかし、これらの手法は入力射影の分解によって根本的な制約を受けており、必然的にレンダリングの解像度を高めるためにナイーブアップサンプリングを行うと、重大なぼやけやエイリアスが発生する。 このような超解像能の欠如は、再建された4Dモデルが細かな血管の細部や複雑な分岐構造を回復することを防ぐ。 そこで本研究では,動的スパースビューDSA再構成のための超高分解能ガウススプラッティングフレームワークであるDSA-SRGSを提案する。 具体的には、細調整されたDSA特化超解像モデルから高品質な事前処理を4次元再構成最適化に組み込むマルチフィデリティテクスチャ学習モジュールを提案する。 このモジュールは、疑似ラベルから潜在的幻覚を緩和するために、信頼・認識戦略を用いて、元の低解像度投影と生成された高解像度擬似ラベルとの間の監督信号を適応的に重み付けする。 さらに,高分解能サブピクセルサンプリングから勾配の蓄積を利用して4次元ガウス核の微細化を行う適応戦略であるRddative Sub-Pixel Densificationを開発した。 2つの臨床DSAデータセットに対する大規模な実験により、DSA-SRGSは定量測定と質的な視覚的忠実度の両方において最先端の手法を著しく上回っていることが示された。

関連論文リスト

• Distributional Deep Learning for Super-Resolution of 4D Flow MRI under Domain Shift [7.497091354189351]
  4次元フローMRI(4DF)の高分解能化のための分布型ディープラーニングフレームワークを開発した。 これは、血行動態速度と血管壁応力などの臨床的に関連する指標をキャプチャする新しい画像モダリティである。 分布推定器の理論的特性を導出し,我々のフレームワークが実データアプリケーションを通して従来のディープラーニングアプローチを著しく上回っていることを示す。
  論文  参考訳（メタデータ） (2026-02-16T20:11:42Z)
• ERGO: Excess-Risk-Guided Optimization for High-Fidelity Monocular 3D Gaussian Splatting [63.138778159026934]
  本稿では,ERGOと呼ばれる過度のリスク分解によって導かれる適応最適化フレームワークを提案する。 ERGOはビュー固有の過剰リスクを動的に推定し、最適化中の損失重みを適応的に調整する。 Google Scanned ObjectsデータセットとOmniObject3Dデータセットの実験は、既存の最先端メソッドよりもERGOの方が優れていることを示している。
  論文  参考訳（メタデータ） (2026-02-10T20:44:43Z)
• Multimodal Visual Surrogate Compression for Alzheimer's Disease Classification [69.87877580725768]
  MVSC(Multimodal Visual Surrogate Compression)は、大規模な3D sMRIボリュームをコンパクトな2D機能に圧縮し、適応させることを学ぶ。 MVSCには2つの重要なコンポーネントがある: テキストガイダンスの下でグローバルなクロススライスコンテキストをキャプチャするボリュームコンテキストと、テキストエンハンスでパッチワイズな方法でスライスレベルの情報を集約するAdaptive Slice Fusionモジュール。
  論文  参考訳（メタデータ） (2026-01-29T13:05:46Z)
• Resolution-Independent Neural Operators for Multi-Rate Sparse-View CT [67.14700058302016]
  深層学習手法は高忠実度再構成を実現するが、しばしば固定された取得設定に過度に適合する。 本稿では,連続関数空間に拡張したCT再構成フレームワークであるComputed Tomography Neural Operator (CTO)を提案する。 CTOは一貫性のあるマルチサンプリングレートとクロスレゾリューションのパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2025-12-13T08:31:46Z)
• RobustGS: Unified Boosting of Feedforward 3D Gaussian Splatting under Low-Quality Conditions [67.48495052903534]
  本稿では,汎用的で効率的なマルチビュー機能拡張モジュールRobustGSを提案する。 各種の有害撮像条件下でのフィードフォワード3DGS法のロバスト性を大幅に向上させる。 RobustGSモジュールはプラグイン・アンド・プレイ方式で既存の事前訓練パイプラインにシームレスに統合できる。
  論文  参考訳（メタデータ） (2025-08-05T04:50:29Z)
• SUFFICIENT: A scan-specific unsupervised deep learning framework for high-resolution 3D isotropic fetal brain MRI reconstruction [7.268308489093152]
  等方性HR容積再構成のための教師なし反復SVR-SRRフレームワークを提案する。 高分解能(HR)ボリュームを生成するために、ディープイメージ事前フレームワーク内に埋め込まれたデコードネットワークを包括的画像劣化モデルに組み込む。 大規模動乱シミュレーションデータと臨床データを用いて行った実験は,提案手法の優れた性能を示す。
  論文  参考訳（メタデータ） (2025-05-23T04:53:59Z)
• Quaternion Wavelet-Conditioned Diffusion Models for Image Super-Resolution [7.986370916847687]
  本稿では、第4次ウェーブレット前処理フレームワークと遅延拡散モデルを統合する新しいSRフレームワークResQuを紹介する。 提案手法は,四元系ウェーブレットの埋め込みを利用して,様々な段階で動的に統合される条件付けプロセスを強化する。 提案手法は,多くの場合において,知覚品質および標準評価指標における既存手法よりも優れる,優れたSR結果が得られる。
  論文  参考訳（メタデータ） (2025-05-01T06:17:33Z)
• Resolution-Robust 3D MRI Reconstruction with 2D Diffusion Priors: Diverse-Resolution Training Outperforms Interpolation [18.917672392645006]
  2次元スライスで訓練された2次元拡散モデルが3次元MRI再構成に活用され始めている。 既存の方法では、ボクセルサイズが一定であり、ボクセルサイズが変化すると性能が低下する。 本稿では,2次元拡散先行画像を用いた高分解能3次元MRI再構成手法の提案と検討を行う。
  論文  参考訳（メタデータ） (2024-12-24T18:25:50Z)
• Latent Diffusion Prior Enhanced Deep Unfolding for Snapshot Spectral Compressive Imaging [17.511583657111792]
  スナップショット分光画像再構成は、単発2次元圧縮計測から3次元空間スペクトル像を再構成することを目的としている。 我々は, 深部展開法に先立って劣化のないモデルを生成するため, 遅延拡散モデル(LDM)という生成モデルを導入する。
  論文  参考訳（メタデータ） (2023-11-24T04:55:20Z)
• HDNet: High-resolution Dual-domain Learning for Spectral Compressive Imaging [138.04956118993934]
  HSI再構成のための高分解能デュアルドメイン学習ネットワーク(HDNet)を提案する。 一方、高効率な特徴融合によるHR空間スペクトルアテンションモジュールは、連続的かつ微細な画素レベルの特徴を提供する。 一方、HSI再構成のために周波数領域学習(FDL)を導入し、周波数領域の差を狭める。
  論文  参考訳（メタデータ） (2022-03-04T06:37:45Z)
• Hierarchical Amortized Training for Memory-efficient High Resolution 3D GAN [52.851990439671475]
  本稿では,高解像度な3D画像を生成することができる新しいエンドツーエンドGANアーキテクチャを提案する。 トレーニングと推論の異なる構成を使用することで、この目標を達成する。 3次元胸郭CTと脳MRIの実験により、我々のアプローチは画像生成における最先端技術より優れていることが示された。
  論文  参考訳（メタデータ） (2020-08-05T02:33:04Z)

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。