論文の概要: DECADE: A Temporally-Consistent Unsupervised Diffusion Model for Enhanced Rb-82 Dynamic Cardiac PET Image Denoising

• arxiv url: http://arxiv.org/abs/2603.07759v1
• Date: Sun, 08 Mar 2026 18:31:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-10 15:13:15.198959
• Title: DECADE: A Temporally-Consistent Unsupervised Diffusion Model for Enhanced Rb-82 Dynamic Cardiac PET Image Denoising
• Title（参考訳）: DECADE : Rb-82動的心PET画像デノイングのための一時持続的非教師付き拡散モデル
• Authors: Yinchi Zhou, Liang Guo, Huidong Xie, Yuexi Du, Ashley Wang, Menghua Xia, Tian Yu, Ramesh Fazzone-Chettiar, Christopher Weyman, Bruce Spottiswoode, Vladimir Panin, Kuangyu Shi, Edward J. Miller, Attila Feher, Albert J. Sinusas, Nicha C. Dvornek, Chi Liu,
• Abstract要約: Rb-82ダイナミック心PET画像は冠動脈疾患(CAD)の診断に広く用いられている 半減期が短いと、動的フレーム品質とパラメトリックイメージングを低下させる高ノイズレベルが生じる。 本稿では,早期から後期の動的フレームにまたがって一般化する,教師なし拡散フレームワークDECADEを提案する。
• 参考スコア（独自算出の注目度）: 10.409009612596714
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Rb-82 dynamic cardiac PET imaging is widely used for the clinical diagnosis of coronary artery disease (CAD), but its short half-life results in high noise levels that degrade dynamic frame quality and parametric imaging. The lack of paired clean-noisy training data, rapid tracer kinetics, and frame-dependent noise variations further limit the effectiveness of existing deep learning denoising methods. We propose DECADE (A Temporally-Consistent Unsupervised Diffusion model for Enhanced Rb-82 CArdiac PET DEnoising), an unsupervised diffusion framework that generalizes across early- to late-phase dynamic frames. DECADE incorporates temporal consistency during both training and iterative sampling, using noisy frames as guidance to preserve quantitative accuracy. The method was trained and evaluated on datasets acquired from Siemens Vision 450 and Siemens Biograph Vision Quadra scanners. On the Vision 450 dataset, DECADE consistently produced high-quality dynamic and parametric images with reduced noise while preserving myocardial blood flow (MBF) and myocardial flow reserve (MFR). On the Quadra dataset, using 15%-count images as input and full-count images as reference, DECADE outperformed UNet-based and other diffusion models in image quality and K1/MBF quantification. The proposed framework enables effective unsupervised denoising of Rb-82 dynamic cardiac PET without paired training data, supporting clearer visualization while maintaining quantitative integrity.
• Abstract（参考訳）: Rb-82 Dynamic Heartc PET画像は冠動脈疾患(CAD)の臨床診断に広く用いられているが、半減期が短いと、動的フレーム品質の低下やパラメトリック画像が高ノイズになる。 ペアリングされたクリーンノイズ学習データの欠如、ラピッドトレーサ運動学、フレーム依存ノイズの変動により、既存のディープラーニング手法の有効性はさらに制限される。 本稿では,早期から後期の動的フレームにまたがる非教師付き拡散フレームワークであるDECADE(Temporally-Consistent Unsupervised Diffusion model for Enhanced Rb-82 CArdiac PET Denoising)を提案する。 DECADEは、トレーニングと反復サンプリングの両方の時間的一貫性を取り入れ、ノイズの多いフレームを定量的な精度を維持するためのガイダンスとして利用する。 この方法はSiemens Vision 450とSiemens Biograph Vision Quadraスキャナーから取得したデータセットに基づいて訓練され評価された。 Vision 450データセットでは、DECADEは、心筋血流(MBF)と心筋血流予備(MFR)を保存しながら、ノイズを低減した高品質のダイナミック画像とパラメトリック画像を一貫して生成した。 Quadraデータセットでは、15%カウントイメージを入力として、フルカウントイメージを参照として使用し、DECADEは、画質とK1/MBF定量化において、UNetベースの他の拡散モデルよりも優れていた。 提案フレームワークは,Rb-82動的心電図をペアのトレーニングデータなしで効果的に非教師的復号化することが可能であり,定量的な整合性を維持しつつ,より鮮明な可視化をサポートする。

関連論文リスト

• Enhancing ECG Classification Robustness with Lightweight Unsupervised Anomaly Detection Filters [39.9470953186283]
  ウェアラブルを用いた連続心電図(ECG)モニタリングは、早期心血管疾患(CVD)検出に有意な可能性を秘めている。 リソース制約のある環境での自動分析のためのディープラーニングモデルをデプロイすることは、アウト・オブ・ディストリビューション(Out-of-Distribution)データによる信頼性上の課題に直面します。 本稿では,非教師付き異常検出(UAD)を,ロバスト性向上のための独立な上流フィルタリング機構として検討する。
  論文  参考訳（メタデータ） (2025-10-30T13:54:37Z)
• Conditional Denoising Diffusion Model-Based Robust MR Image Reconstruction from Highly Undersampled Data [11.174208209806073]
  アンダーサンプリング戦略は画像の取得を加速させるが、多くの場合、画像のアーティファクトと劣化した品質をもたらす。 近年の拡散モデルでは、強力な画像先行学習により、アンダーサンプルデータから高忠実度画像の再構成が期待されている。 本稿では,反復的データ一貫性補正を伴う条件付きデノナイジング拡散フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-07T18:01:08Z)
• MAN: Latent Diffusion Enhanced Multistage Anti-Noise Network for Efficient and High-Quality Low-Dose CT Image Denoising [8.912550844312177]
  本稿では,高画質低線量CT画像復調作業のための遅延拡散増強型マルチステージアンチノイズネットワークMANについて紹介する。 提案手法は、知覚的に最適化されたオートエンコーダを介して圧縮された潜在空間で動作する。 本研究は,医用画像の先進的生成モデルに向けた実践的な道筋を示すものである。
  論文  参考訳（メタデータ） (2025-09-28T03:13:39Z)
• 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)
• Noise-Inspired Diffusion Model for Generalizable Low-Dose CT Reconstruction [37.71732274622662]
  そこで本研究では,各領域の雑音特性に対する拡散モデルの調整を行うNEEDと呼ばれる,一般化可能な低線量CT再構成のためのノイズインスピレーション拡散モデルを提案する。 これら2つの拡散モデルを二重ドメイン再構成のためにカスケードすることで、NEEDはトレーニングに通常用量データしか必要とせず、テスト中に様々な未確認量レベルに効果的に拡張できる。
  論文  参考訳（メタデータ） (2025-06-27T08:24:55Z)
• Fed-NDIF: A Noise-Embedded Federated Diffusion Model For Low-Count Whole-Body PET Denoising [16.937074760667745]
  LCPET (low-count positron emission tomography) は、患者の放射線曝露を減少させるが、画像ノイズの増加と病変検出性の低下に悩まされることが多い。 拡散モデルでは、劣化した画像の品質を回復するLCPET復調が期待できる。 本稿では,これらの課題に対処するために,新しいノイズ埋め込み型フェデレート学習拡散モデル(Fed-NDIF)を提案する。
  論文  参考訳（メタデータ） (2025-03-20T18:37:46Z)
• 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)
• Unsupervised Training of a Dynamic Context-Aware Deep Denoising Framework for Low-Dose Fluoroscopic Imaging [6.130738760059542]
  フルオロスコープは医用画像におけるリアルタイムX線可視化に重要である。 低線量画像はノイズによって損なわれ、診断精度に影響を及ぼす可能性がある。 蛍光画像系列を動的に認識する教師なし学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-29T13:39:31Z)
• CoreDiff: Contextual Error-Modulated Generalized Diffusion Model for Low-Dose CT Denoising and Generalization [41.64072751889151]
  低線量CT(LDCT)画像は光子飢餓と電子ノイズによりノイズやアーティファクトに悩まされる。 本稿では,低用量CT (LDCT) 用新しいCOntextual eRror-modulated gEneralized Diffusion Model(CoreDiff)を提案する。
  論文  参考訳（メタデータ） (2023-04-04T14:13:13Z)
• The role of noise in denoising models for anomaly detection in medical images [62.0532151156057]
  病理脳病変は脳画像に多彩な外観を示す。 正規データのみを用いた教師なし異常検出手法が提案されている。 空間分解能の最適化と雑音の大きさの最適化により,異なるモデル学習体制の性能が向上することを示す。
  論文  参考訳（メタデータ） (2023-01-19T21:39:38Z)

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。