論文の概要: HICT: High-precision 3D CBCT reconstruction from a single X-ray
- arxiv url: http://arxiv.org/abs/2604.00792v1
- Date: Wed, 01 Apr 2026 11:57:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-02 16:44:31.96929
- Title: HICT: High-precision 3D CBCT reconstruction from a single X-ray
- Title（参考訳）: HICT : 単一X線からの高精度3次元CBCT再構成
- Authors: Wen Ma, Jiaxiang Liu, Zikai Xiao, Ziyang Wang, Feng Yang, Zuozhu Liu,
- Abstract要約: 単一の低線量パノラマX線から3Dボリュームを再構成することは有望な代替手段であるが、幾何学的不整合と限られた精度のために依然として困難である。
1枚のパノラマ画像から幾何的に一貫した多視点投影を生成する2段階のフレームワークであるHiCTを提案する。
次に、レイベースダイナミックアテンションネットワークとX線サンプリング戦略を用いて、プロジェクションから高忠実CBCTを再構成する。
- 参考スコア（独自算出の注目度）: 32.6630879450246
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurate 3D dental imaging is vital for diagnosis and treatment planning, yet CBCT's high radiation dose and cost limit its accessibility. Reconstructing 3D volumes from a single low-dose panoramic X-ray is a promising alternative but remains challenging due to geometric inconsistencies and limited accuracy. We propose HiCT, a two-stage framework that first generates geometrically consistent multi-view projections from a single panoramic image using a video diffusion model, and then reconstructs high-fidelity CBCT from the projections using a ray-based dynamic attention network and an X-ray sampling strategy. To support this, we built XCT, a large-scale dataset combining public CBCT data with 500 paired PX-CBCT cases. Extensive experiments show that HiCT achieves state-of-the-art performance, delivering accurate and geometrically consistent reconstructions for clinical use.
- Abstract（参考訳）: 正確な3D歯科画像は診断と治療計画に不可欠であるが、CBCTの高線量とコストはアクセシビリティを制限している。
単一の低線量パノラマX線から3Dボリュームを再構成することは有望な代替手段であるが、幾何学的不整合と限られた精度のために依然として困難である。
ビデオ拡散モデルを用いて1つのパノラマ画像から幾何的に一貫した多視点投影を生成する2段階のフレームワークであるHiCTを提案し、次いで、レイベースのダイナミックアテンションネットワークとX線サンプリング戦略を用いて投影から高忠実性CBCTを再構成する。
これをサポートするために,公開CBCTデータと500対のPX-CBCTケースを組み合わせた大規模データセットであるXCTを構築した。
広汎な実験により、HiCTは最先端のパフォーマンスを達成し、臨床的使用のために正確で幾何学的に一貫した再構築を提供することが示された。
関連論文リスト
- ViT-NeBLa: A Hybrid Vision Transformer and Neural Beer-Lambert Framework for Single-View 3D Reconstruction of Oral Anatomy from Panoramic Radiographs [0.0]
パノラマ線写真(PX)とコーンビームCT(CBCT)の2つの主要画像モダリティによる歯科診断
PX画像は費用対効果が高くアクセスしやすいが、深度情報の欠如により診断精度が低下する。CBCTはこの問題に対処するが、高コスト、放射線暴露の増加、アクセシビリティの制限などの欠点を提示する。
視覚変換器をベースとしたニューラルビール・ランバートモデルであるViT-NeBLaを導入する。
論文 参考訳（メタデータ） (2025-06-16T08:01:14Z) - X-GRM: Large Gaussian Reconstruction Model for Sparse-view X-rays to Computed Tomography [89.84588038174721]
Computed Tomographyは臨床において必須のツールであり、内部解剖学的構造を非侵襲的に可視化する。
既存のCT再構成作業は、小さなキャパシティモデルアーキテクチャと非フレキシブルボリューム表現に限られている。
スパースビュー2次元X線プロジェクションから3次元CTボリュームを再構成する大規模なフィードフォワードモデルであるX-GRMを提案する。
論文 参考訳（メタデータ） (2025-05-21T08:14:10Z) - DeepSparse: A Foundation Model for Sparse-View CBCT Reconstruction [9.579390210009521]
スパースビュー再構成は、画質を維持しながらX線投影を少なくすることで放射線を低減させる。
既存の手法では、高い計算要求や異なるデータセットに対する一般化性の欠如といった課題に直面している。
マルチビュー2次元特徴とマルチスケール3次元特徴を統合した新しいネットワークであるDiCEを特徴とする,スパースビューCBCT再構成のための最初の基盤モデルであるDeepSparseを提案する。
論文 参考訳（メタデータ） (2025-05-05T13:14:49Z) - Unsupervised Multi-Parameter Inverse Solving for Reducing Ring Artifacts in 3D X-Ray CBCT [51.95884144860506]
3次元コーンビームCT(CBCT)におけるリングアーティファクトの意義
既存のSOTA(State-of-the-art)リングアーティファクトリダクション(RAR)法は、大規模なペアCTデータセットによる教師あり学習に依存している。
本研究では,新しい教師なしRAR手法であるRinerを提案する。
論文 参考訳（メタデータ） (2024-12-08T08:22:58Z) - TomoGRAF: A Robust and Generalizable Reconstruction Network for Single-View Computed Tomography [3.1209855614927275]
従来の解析的・定性的なCT再構成アルゴリズムは数百の角データサンプリングを必要とする。
我々は,高品質な3Dボリュームを再構成するために,ユニークなX線輸送物理を取り入れた新しいTtomoGRAFフレームワークを開発した。
論文 参考訳（メタデータ） (2024-11-12T20:07:59Z) - 3D-CT-GPT: Generating 3D Radiology Reports through Integration of Large Vision-Language Models [51.855377054763345]
本稿では,VQAに基づく医用視覚言語モデルである3D-CT-GPTについて紹介する。
パブリックデータセットとプライベートデータセットの両方の実験により、3D-CT-GPTはレポートの正確さと品質という点で既存の手法を著しく上回っていることが示された。
論文 参考訳（メタデータ） (2024-09-28T12:31:07Z) - DiffuX2CT: Diffusion Learning to Reconstruct CT Images from Biplanar X-Rays [41.393567374399524]
条件拡散過程として超スパースX線からのCT再構成をモデル化したDiffuX2CTを提案する。
これにより、DiffuX2CTは2次元X線から3次元構造情報を復元できる構造制御可能な再構成を実現する。
コントリビューションとして,LumbarVと呼ばれる実世界の腰椎CTデータセットを新しいベンチマークとして収集し,X線からのCT再構成の臨床的意義と性能を検証した。
論文 参考訳（メタデータ） (2024-07-18T14:20:04Z) - C^2RV: Cross-Regional and Cross-View Learning for Sparse-View CBCT Reconstruction [17.54830070112685]
コーンビームCT(CBCT)は医療現場で広く用いられている画像技術である。
コーン状X線による測定により, CBCTの復元が困難になる。
本稿では,3次元空間におけるクロスリージョン学習を実現するために,明示的なマルチスケールボリューム表現を活用してC2RVを提案する。
論文 参考訳（メタデータ） (2024-06-06T09:37:56Z) - Geometry-Aware Attenuation Learning for Sparse-View CBCT Reconstruction [53.93674177236367]
Cone Beam Computed Tomography (CBCT) は臨床画像撮影において重要な役割を担っている。
従来の方法では、高品質な3D CBCT画像の再構成には数百の2次元X線投影が必要である。
これにより、放射線線量を減らすため、スパースビューCBCT再構成への関心が高まっている。
本稿では,この問題を解決するために,新しい幾何対応エンコーダデコーダフレームワークを提案する。
論文 参考訳（メタデータ） (2023-03-26T14:38:42Z) - SNAF: Sparse-view CBCT Reconstruction with Neural Attenuation Fields [71.84366290195487]
神経減衰場を学習し,スパースビューCBCT再構成のためのSNAFを提案する。
提案手法は,入力ビューが20程度しかなく,高再生品質(30以上のPSNR)で優れた性能を実現する。
論文 参考訳（メタデータ） (2022-11-30T14:51:14Z)
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。