論文の概要: Conservative AI for Safety-Sensitive Medical Image Restoration: Residual-Bounded CT-CTA Enhancement for Intracranial Aneurysm-Relevant Signal Recovery

• arxiv url: http://arxiv.org/abs/2605.16458v1
• Date: Fri, 15 May 2026 06:03:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 17:57:46.491902
• Title: Conservative AI for Safety-Sensitive Medical Image Restoration: Residual-Bounded CT-CTA Enhancement for Intracranial Aneurysm-Relevant Signal Recovery
• Title（参考訳）: 安全な医用画像復元のための保守的AI:脳動脈瘤関連信号回復のための残留境界CT-CTA強調
• Authors: Weijun Ma,
• Abstract要約: 合成劣化CT/CTA入力をトレーニングした残差2.5D復元フレームワークを提案する。 このモデルは、修正の規模と空間的範囲を制限する編集制御マップを通じて、元の中央スライスに学習された残量を付加する。
• 参考スコア（独自算出の注目度）: 1.4552401317080168
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Image restoration models are increasingly applied to degraded medical scans, but in safety-sensitive settings they must improve image quality without uncontrolled modification of clinically important regions. This is especially relevant for intracranial CT and CT angiography (CTA), where small vessels and aneurysm-relevant cues lie near high-contrast anatomical boundaries. We frame medical image restoration as a conservative AI problem and present a residual-bounded 2.5D restoration framework trained on synthetically degraded CT/CTA inputs. The model adds a learned residual to the original center slice through an edit-control map that limits the magnitude and spatial extent of modification. We evaluate the framework using an aneurysm-relevant image-recovery matrix, paired comparison against a Gaussian baseline, Monte Carlo stability testing, anatomical localization of meaningful edits, and external evaluation on low-dose CT. On 50 out-of-distribution CT-CTA cases, the bounded model achieved a mean target gain of 0.0635, a mean PSNR of 37.51 dB, and an iatrogenic-edit rate of 4.0%. Across 1,000 Monte Carlo runs, it remained net positive in 85.4% of runs with no stably negative cases. On external low-dose CT, the model was directionally beneficial and produced a substantially smaller modification footprint than the baseline. Meaningful edits concentrated in brain and skull regions while unrelated anatomy showed negligible change. These findings provide preliminary computational evidence that residual-bounded restoration is feasible in boundary-sensitive vascular imaging, but they do not establish clinical diagnostic performance and require expert review and prospective validation before clinical use.
• Abstract（参考訳）: 画像復元モデルは、劣化した医療スキャンにますます適用されるが、安全に敏感な設定では、臨床的に重要な領域を制御不能に修正することなく、画質を改善する必要がある。 これは特に頭蓋内CTおよびCT血管造影(CTA)に関係しており,小血管と大動脈瘤関連結節が高コントラスト解剖学的境界付近にある。 我々は, 医用画像復元を保守的なAI問題として捉え, 合成劣化CT/CTA入力をトレーニングした残差2.5D復元フレームワークを提案する。 このモデルは、修正の規模と空間的範囲を制限する編集制御マップを通じて、元の中央スライスに学習された残量を付加する。 我々は,大動脈瘤関連画像回復マトリックス,ガウスベースラインとのペア比較,モンテカルロ安定試験,有意義な編集の解剖学的局在,低用量CTの外部評価を用いて,その枠組みを評価する。 50例のCT-CTAでは, 平均目標利得0.0635, 平均PSNR37.51dB, 好中球原性優占率4.0%であった。 モンテカルロ1000戦中、85.4%の好成績を残した。 外部低用量CTでは、モデルは方向的に有用であり、ベースラインよりもかなり小さな修正フットプリントを生み出した。 意味のない編集は脳と頭蓋領域に集中し、無関係な解剖学は無視できない変化を示した。 これらの所見は, 境界感応性血管造影において, 残存境界回復が可能であることを示す予備的な数値的証拠を提供するが, 臨床診断性能は確立せず, 臨床使用に先立って, 専門的レビューと予測的検証が必要である。

関連論文リスト

• Distilling Photon-Counting CT into Routine Chest CT through Clinically Validated Degradation Modeling [51.330452704464925]
  145の病院から1,046のPCCTと405,379のEICTで潜伏拡散モデルを訓練した。 我々は,PCCTライクな品質に拡張された17,316以上の公開EICTの大規模データセットを構築した。 以上の結果から,現像技術の進歩は,限られた高画質スキャンを基準として,定期的なEICTに体系的に蒸留できることが示唆された。
  論文  参考訳（メタデータ） (2026-04-08T17:47:35Z)
• Structure-constrained Language-informed Diffusion Model for Unpaired Low-dose Computed Tomography Angiography Reconstruction [72.80209358480424]
  ヨウ素化コントラスト培地(ICM)の過剰摂取は、腎臓の損傷と致命的なアレルギー反応を引き起こす。 深層学習法は、低線量ICMから正常線量ICMのCT画像を生成することができ、必要な線量を減らすことができる。 本研究では,構造シナジーと空間知性を統合した構造制約型言語情報拡散モデル(SLDM)を提案する。
  論文  参考訳（メタデータ） (2026-01-28T06:54:06Z)
• Neural Discrete Representation Learning for Sparse-View CBCT Reconstruction: From Algorithm Design to Prospective Multicenter Clinical Evaluation [64.42236775544579]
  コーンビームCT(CBCT)ガイド下穿刺は胸部腫瘍の診断・治療に確立されたアプローチとなっている。 DeepPriorCBCTは3段階のディープラーニングフレームワークであり、従来の放射線線量の6分の1しか使用せずに診断段階の再構築を実現する。
  論文  参考訳（メタデータ） (2025-11-30T12:45:02Z)
• AREPAS: Anomaly Detection in Fine-Grained Anatomy with Reconstruction-Based Semantic Patch-Scoring [0.6001999957263661]
  正常な微細組織変動は、既存の生成異常検出法において大きな課題である。 本稿では,この問題に対処する新しいAD手法を提案する。 これは、異常のない再構成のためのイメージ・ツー・イメージ変換と、観察された画像対と生成された画像対の間のパッチ類似性からなり、正確な異常局所化を行う。 結果, 胸部CTと脳MRIではピクセルレベルの異常セグメンテーションが改善し, 比較的DICEスコアが+1.9%, +4.4%向上した。
  論文  参考訳（メタデータ） (2025-09-16T09:59:47Z)
• Revisiting Computer-Aided Tuberculosis Diagnosis [56.80999479735375]
  結核(TB)は世界的な健康上の脅威であり、毎年何百万人もの死者を出している。 深層学習を用いたコンピュータ支援結核診断 (CTD) は有望であるが, 限られたトレーニングデータによって進行が妨げられている。 結核X線(TBX11K)データセットは11,200個の胸部X線(CXR)画像とそれに対応するTB領域のバウンディングボックスアノテーションを含む。 このデータセットは、高品質なCTDのための洗練された検出器のトレーニングを可能にする。
  論文  参考訳（メタデータ） (2023-07-06T08:27:48Z)
• Body Composition Assessment with Limited Field-of-view Computed Tomography: A Semantic Image Extension Perspective [5.373119949253442]
  Field-of-view (FOV) tissue truncation beyond the lungs is common in routine lung screening Computed tomography (CT) 本研究では,入力として画像データのみを必要とする意味的画像拡張の観点から問題を定式化する。 提案した2段階法は, 完全体の推定範囲に基づいて新しいFOV境界を同定し, 脱落した領域の欠損組織を溶出する。
  論文  参考訳（メタデータ） (2022-07-13T23:19:22Z)
• Automated SSIM Regression for Detection and Quantification of Motion Artefacts in Brain MR Images [54.739076152240024]
  磁気共鳴脳画像における運動アーチファクトは重要な問題である。 MR画像の画質評価は,臨床診断に先立って基本的である。 構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
  論文  参考訳（メタデータ） (2022-06-14T10:16:54Z)

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。