Fugu-MT 論文翻訳(概要): 3D Ultrasound-Derived Pseudo-CT Synthesis Using a Transformer-Augmented Residual Network for Real-Time Operator Guidance

論文の概要: 3D Ultrasound-Derived Pseudo-CT Synthesis Using a Transformer-Augmented Residual Network for Real-Time Operator Guidance

arxiv url: http://arxiv.org/abs/2605.04856v1
Date: Wed, 06 May 2026 12:52:59 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-07 18:41:07.819032
Title: 3D Ultrasound-Derived Pseudo-CT Synthesis Using a Transformer-Augmented Residual Network for Real-Time Operator Guidance
Title（参考訳）: Transformer-Augmented Residual Network を用いた3次元超音波擬似CT合成による実時間オペレータ誘導
Authors: Sapna Sachan, Amulya Kumar Mahto,
Abstract要約: 超音波(US)は非イオン化であり、広くアクセス可能であるが、操作性が高く、定量的な組織特性が欠如している。本研究は,USから推定されるCTのような解剖学的基準量を生成する3D超音波による擬似CTフレームワークを提案する。提案手法は, 構造的忠実度と知覚的画像品質において, 確立されたベースラインより優れる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Computed tomography (CT) is indispensable for clinical diagnosis and image-guided interventions but exposes patients to ionizing radiation, motivating the development of safer imaging alternatives. Ultrasound (US) is non-ionizing and widely accessible; however, it is highly operator dependent and lacks quantitative tissue characterization, often leading to diagnostic uncertainty and unnecessary CT examinations. This work presents a 3D ultrasound-derived pseudo-CT (UD-pCT) framework that generates CT-like anatomical reference volumes inferred from US, without aiming to reproduce physically accurate Hounsfield Units. Paired 3D kidney US and CT volumes from the TRUSTED dataset are first spatially aligned using a landmark-based multimodal registration pipeline, creating high-quality paired inputs for supervised training of an adversarial framework. The proposed Bottleneck Transformer Residual U-Net3D (BT-ResUNet3D) model employs a 3D residual encoder-decoder generator augmented with a transformer bottleneck, enabling effective modeling of fine-grained local anatomical structures as well as long-range volumetric dependencies, while a 3D Conditional PatchGAN discriminator enforces local structural realism in the synthesized pseudo-CT volumes. Quantitative evaluation using PSNR and SSIM demonstrates that the proposed method outperforms established baselines in structural fidelity and perceptual image quality. The UD-pCT volumes provide real-time anatomical reference for operator guidance, potentially reducing acquisition variability and unnecessary CT use. A limitation of this study is the relatively small paired dataset, which may limit the generalizability of the proposed model.
Abstract（参考訳）: CT(CT)は臨床診断や画像誘導の介入には不可欠であるが、患者を電離放射線に晒し、より安全なイメージング代替手段の開発を動機付ける。超音波(US)は非イオン化であり、広くアクセス可能であるが、非常に操作性が高く、定量的な組織特性が欠如しており、診断の不確実性や不必要なCT検査に繋がることが多い。本研究は, 物理的に正確なハウンズフィールドユニットを再現することを目的として, アメリカから推定されたCTのような解剖学的基準量を生成する3D超音波誘発擬似CT(UD-pCT)フレームワークを提案する。 TRUSTEDデータセットのPaired 3D kidney USとCTボリュームは、まずランドマークベースのマルチモーダル登録パイプラインを使用して空間的に整列し、敵のフレームワークの教師付きトレーニングのための高品質なペアインプットを生成する。提案したBottleneck Transformer Residual U-Net3D (BT-ResUNet3D) モデルでは、トランスフォーマーボトルネックを付加した3次元残留エンコーダデコーダジェネレータを使用し、3D条件のPatchGAN判別器は、合成擬CTボリュームの局所構造リアクリズムを強制する。 PSNR と SSIM を用いた定量的評価により,提案手法は,構造的忠実度と知覚的画像品質において確立されたベースラインを上回っていることを示す。 UD-pCTボリュームは、オペレータガイダンスのリアルタイム解剖学的参照を提供し、取得のばらつきと不要なCT使用を減らす可能性がある。この研究の限界は比較的小さなペアデータセットであり、提案したモデルの一般化性を制限する可能性がある。

関連論文リスト

Learning from Compressed CT: Feature Attention Style Transfer and Structured Factorized Projections for Resource-Efficient Medical Image Analysis [0.18352113484137622]
Feature Attention Style Transfer (FAST) は、高忠実度CT表現から圧縮入力で動作するビジュアルエンコーダへ転送する新しいフレームワークである。構造因子射影(Structured Factorized Projection, SFP)は、高密度射影層に対するパラメータ効率の代替であり、パラメータをほぼ半分削減する。対照的な学習パイプラインであるCT-Liteは、これらのコンポーネントをSigLIPベースの客観的アライメント目標と統合します。
論文参考訳（メタデータ） (2026-05-01T06:35:53Z)
Beyond the Embedding Bottleneck: Adaptive Retrieval-Augmented 3D CT Report Generation [10.885951167009694]
3D CTは鑑別病理信号をエンコードするが, 重度濃度は高い。この視覚的ボトルネックを補う適応的な拡張フレームワークである textbfAdaRAG-CT を提案する。 AdaRAG-CTは最先端の臨床効果を達成し、臨床F1を0.420(CT-Agent)から0.480(+6ポイント)に改善する
論文参考訳（メタデータ） (2026-03-16T18:56:14Z)
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)
Scaling Self-Supervised and Cross-Modal Pretraining for Volumetric CT Transformers [10.972744049555553]
本稿では,CTのためのフルトランスフォーマーベース基礎モデルであるSPECTREを紹介する。提案手法は,スケーラブルな3Dビジョントランスフォーマーアーキテクチャと,近代的な自己監督型・視覚言語事前学習戦略を利用する。 SPECTREはゼロショット設定と微調整設定の両方で、CTファンデーションモデルよりも一貫して優れている。
論文参考訳（メタデータ） (2025-11-21T12:41:27Z)
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)
INeAT: Iterative Neural Adaptive Tomography [34.84974955073465]
反復型ニューラルアダプティブ・トモグラフィ(INeAT)は、姿勢の最適化を組み込んで、姿勢の摂動の影響を抑える。 IneAT は, 顕著なポーズ障害を伴うシナリオにおいて, アーティファクト抑制, 解像度向上を達成できることを実証した。
論文参考訳（メタデータ） (2023-11-03T01:00:36Z)
AiAReSeg: Catheter Detection and Segmentation in Interventional Ultrasound using Transformers [75.20925220246689]
血管内手術は、電離放射線を用いてカテーテルと血管を可視化するFluoroscopyの黄金標準を用いて行われる。本研究では、最先端機械学習トランスフォーマアーキテクチャを応用して、軸干渉超音波画像シーケンス中のカテーテルを検出し、セグメント化する手法を提案する。
論文参考訳（メタデータ） (2023-09-25T19:34:12Z)
On the Localization of Ultrasound Image Slices within Point Distribution Models [84.27083443424408]
甲状腺疾患は高分解能超音波(US)で診断されることが多い縦断追跡は病理甲状腺形態の変化をモニタリングするための重要な診断プロトコルである。 3次元形状表現におけるUS画像の自動スライスローカライズのためのフレームワークを提案する。
論文参考訳（メタデータ） (2023-09-01T10:10:46Z)
Unsupervised Contrastive Learning based Transformer for Lung Nodule Detection [6.693379403133435]
CTによる肺結節の早期発見は,肺癌患者の長期生存と生活の質の向上に不可欠である。 CAD (Computer-Aided Detection/diagnosis) はこの文脈において第2または同時読影器として有用である。肺結節の正確な検出は、サイズ、位置、および肺結節の出現のばらつきにより、CADシステムや放射線技師にとって依然として困難である。近年のコンピュータビジョン技術に触発されて,肺結節を同定するための自己教師付き領域ベース3次元トランスフォーマーモデルを提案する。
論文参考訳（メタデータ） (2022-04-30T01:19:00Z)
A unified 3D framework for Organs at Risk Localization and Segmentation for Radiation Therapy Planning [56.52933974838905]
現在の医療ワークフローは、OAR(Organs-at-risk)のマニュアル記述を必要とする本研究は,OARローカライゼーション・セグメンテーションのための統合された3Dパイプラインの導入を目的とする。提案手法は医用画像に固有の3Dコンテキスト情報の活用を可能にする。
論文参考訳（メタデータ） (2022-03-01T17:08:41Z)
Revisiting 3D Context Modeling with Supervised Pre-training for Universal Lesion Detection in CT Slices [48.85784310158493]
CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
論文参考訳（メタデータ） (2020-12-16T07:11:16Z)

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。