論文の概要: Physics-Informed Conditional Diffusion for Motion-Robust Retinal Temporal Laser Speckle Contrast Imaging

• arxiv url: http://arxiv.org/abs/2604.20594v1
• Date: Wed, 22 Apr 2026 14:11:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-23 15:36:11.163859
• Title: Physics-Informed Conditional Diffusion for Motion-Robust Retinal Temporal Laser Speckle Contrast Imaging
• Title（参考訳）: モーションローバスト網膜レーザースペックルコントラストイメージングのための物理インフォームド条件拡散法
• Authors: Qian Chen, Yuehao Chen, Qiang Wang, Lei Zhu, Yanye Lu, Qiushi Ren,
• Abstract要約: 網膜拡散モデル(Retinal Diffusion Model)は、運動に頑健で数フレームしか必要としない網膜tLSCIに対して提案されている。 この研究は、非常に限られたフレームから信頼性の高い網膜tLSCI再構成のための実用的で物理的に基盤化された経路を提供する。
• 参考スコア（独自算出の注目度）: 22.53377364879914
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Retinal laser speckle contrast imaging (LSCI) is a noninvasive optical modality for monitoring retinal blood flow dynamics. However, conventional temporal LSCI (tLSCI) reconstruction relies on sufficiently long speckle sequences to obtain stable temporal statistics, which makes it vulnerable to acquisition disturbances and limits effective temporal resolution. A physically informed reconstruction framework, termed RetinaDiff (Retinal Diffusion Model), is proposed for retinal tLSCI that is robust to motion and requires only a few frames. In RetinaDiff, registration based on phase correlation is first applied to stabilize the raw speckle sequence before contrast computation, reducing interframe misalignment so that fluctuations at each pixel primarily reflect true flow dynamics. This step provides a physics prior corrected for motion and a high quality multiframe tLSCI reference. Next, guided by the physics prior, a conditional diffusion model performs inverse reconstruction by jointly conditioning on the registered speckle sequence and the corrected prior. Experiments on data acquired with a retinal LSCI system developed in house show improved structural continuity and statistical stability compared with direct reconstruction from few frames and representative baselines. The framework also remains effective in a small number of extremely challenging cases, where both the direct 5-frame input and the conventional multiframe reconstruction are severely degraded. Overall, this work provides a practical and physically grounded route for reliable retinal tLSCI reconstruction from extremely limited frames. The source code and model weights will be publicly available at https://github.com/QianChen113/RetinaDiff.
• Abstract（参考訳）: 網膜レーザースペックルコントラストイメージング(LSCI)は、網膜血流動態をモニタリングするための非侵襲的な光学モードである。 しかし、従来の時間的LSCI(tLSCI)再構成は十分に長いスペックル配列に依存して安定な時間的統計値を得るため、取得障害や効果的な時間的解決の制限に弱い。 網膜拡散モデル(Retinadiff, Retinal Diffusion Model)は、運動に頑健で数フレームしか必要としない網膜tLSCIに対して提案されている。 RetinaDiffでは、位相相関に基づく登録が最初に適用され、コントラスト計算の前に生スペックルシーケンスを安定化し、フレーム間のずれを低減し、各画素のゆらぎが主に真の流れのダイナミクスを反映する。 このステップは、モーションに先立って修正された物理と、高品質なマルチフレームtLSCI参照を提供する。 次に、物理先行で導かれる条件拡散モデルにおいて、登録されたスペックルシーケンスと修正済み前の修正を共同で条件付けして逆再構成を行う。 家庭内で開発された網膜LSCIシステムを用いて取得したデータ実験では, 構造的連続性や統計的安定性が, 少数のフレームや代表的ベースラインからの直接再構成と比較して向上した。 このフレームワークは、直接5フレームの入力と従来のマルチフレームの再構築の両方が著しく劣化している、少数の非常に困難なケースでも有効である。 全体として、この研究は、非常に限られたフレームから信頼性の高い網膜tLSCI再構成のための実用的で物理的に根ざした経路を提供する。 ソースコードとモデルの重み付けはhttps://github.com/QianChen113/RetinaDiffで公開される。

関連論文リスト

• Zero-shot Low-Field MRI Enhancement via Diffusion-Based Adaptive Contrast Transport [31.03814753569979]
  低磁場(LF)磁気共鳴イメージング(MRI)は、診断イメージングへのアクセスを民主化する。 DACTは、ペアの監督なしにHF品質のイメージを復元する新しいゼロショットフレームワークである。 最先端のパフォーマンスを達成し、構造的細部と組織コントラストの整合性を向上する。
  論文  参考訳（メタデータ） (2026-03-02T14:27:55Z)
• RefLSM: Linearized Structural-Prior Reflectance Model for Medical Image Segmentation and Bias-Field Correction [10.716406019360441]
  医用画像セグメンテーションのための新しい変動反射型レベルセットモデル(RefLSM)を提案する。 RefLSMはRetinexにインスパイアされた反射率分解をセグメンテーションフレームワークに明示的に統合する。 RefLSMは,最先端レベル設定法と比較して,セグメンテーション精度,ロバスト性,計算効率が優れていることを示す。
  論文  参考訳（メタデータ） (2025-12-08T06:06:29Z)
• Unrolled Networks are Conditional Probability Flows in MRI Reconstruction [13.185194525641478]
  本稿では,条件付き確率フローODEの個別実装であるアンロールネットワークを理論的に証明し,MRI再構成にフローODEを導入する。 この接続はパラメータの明示的な定式化を提供し、中間状態がどのように進化するかを明確にする。 本研究では、未学習パラメータをODE離散化から導出し、中間再構成を理想的なODE軌道と整合させて安定性と収束性を向上させるフローアラインドトレーニング(FLAT)を提案する。
  論文  参考訳（メタデータ） (2025-12-02T18:48:10Z)
• Flow-Guided Implicit Neural Representation for Motion-Aware Dynamic MRI Reconstruction [19.66198868468091]
  動的磁気共鳴イメージング(dMRI)は解剖学的に時間分解されるが、限られたサンプリングや運動によって引き起こされるアーティファクトによってしばしば挑戦される。 本研究では,動的画像列とその基盤となる運動場を協調的にモデル化する,新しい暗黙的ニューラル表現フレームワークを提案する。 動的心臓MRIデータセットの実験により、この手法は最先端のモーションインスパイアされた深層学習手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2025-11-21T04:51:23Z)
• LVTINO: LAtent Video consisTency INverse sOlver for High Definition Video Restoration [3.2944592608677614]
  本稿では,VCMで符号化された先行画像を用いた高精細ビデオ再生のための,最初のゼロショット・プラグ・アンド・プレイ逆解器であるLVTINOを提案する。 我々の条件付け機構は、自動微分の必要性を回避し、少数のニューラルファンクション評価で最先端のビデオ再構成品質を達成する。
  論文  参考訳（メタデータ） (2025-10-01T18:10:08Z)
• Accelerating 3D Photoacoustic Computed Tomography with End-to-End Physics-Aware Neural Operators [74.65171736966131]
  光音響計算トモグラフィ(PACT)は、光コントラストと超音波分解能を組み合わせることで、光拡散限界を超える深部像を実現する。 現在の実装では、高密度トランスデューサアレイと長い取得時間を必要とし、臨床翻訳を制限している。 本研究では,センサ計測からボリューム再構成まで,逆音響マッピングを直接学習する物理認識モデルであるPanoを紹介する。
  論文  参考訳（メタデータ） (2025-09-11T23:12:55Z)
• CryoFastAR: Fast Cryo-EM Ab Initio Reconstruction Made Easy [58.86576215228903]
  我々はCryo-EMノイズ画像から直接ポーズを予測できる最初の幾何学的基礎モデルであるCryoFastARを紹介した。 CryoFastARは、マルチビュー機能と、大規模シミュレーションされたCryo-EMデータに現実的なノイズとCTF変調を統合することで、ポーズ推定精度と一般化を向上する。
  論文  参考訳（メタデータ） (2025-06-06T08:32:32Z)
• Low-Light Video Enhancement via Spatial-Temporal Consistent Decomposition [52.89441679581216]
  低照度ビデオエンハンスメント(LLVE)は、激しい視認性とノイズに悩まされる動的または静的なシーンの復元を目指している。 本稿では、ビューに依存しない、ビューに依存しないコンポーネントを組み込んだ革新的なビデオ分解戦略を提案する。 我々のフレームワークは、既存のメソッドを一貫して上回り、新しいSOTAパフォーマンスを確立します。
  論文  参考訳（メタデータ） (2024-05-24T15:56:40Z)
• Making Reconstruction-based Method Great Again for Video Anomaly Detection [64.19326819088563]
  ビデオの異常検出は重要な問題だが、難しい問題だ。 既存の再構成に基づく手法は、昔ながらの畳み込みオートエンコーダに依存している。 連続フレーム再構築のための新しいオートエンコーダモデルを提案する。
  論文  参考訳（メタデータ） (2023-01-28T01:57:57Z)
• Intrinsic Temporal Regularization for High-resolution Human Video Synthesis [59.54483950973432]
  時間整合性は、画像処理パイプラインをビデオドメインに拡張する上で重要である。 フレームジェネレーターを介して本質的信頼度マップを推定し,運動推定を調節する,本質的な時間正規化方式を提案する。 我々は、本質的な時間的規制をシングルイメージジェネレータに適用し、強力な「Internet」が512Times512$の人間のアクションビデオを生成します。
  論文  参考訳（メタデータ） (2020-12-11T05:29:45Z)
• Limited-angle tomographic reconstruction of dense layered objects by dynamical machine learning [68.9515120904028]
  強い散乱準透明物体の有限角トモグラフィーは困難で、非常に不適切な問題である。 このような問題の状況を改善することにより、アーティファクトの削減には、事前の定期化が必要である。 我々は,新しい分割畳み込みゲート再帰ユニット(SC-GRU)をビルディングブロックとして,リカレントニューラルネットワーク(RNN)アーキテクチャを考案した。
  論文  参考訳（メタデータ） (2020-07-21T11:48:22Z)

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。