論文の概要: An Attention-Based Denoising Model for Diffusion Weighted Imaging

• arxiv url: http://arxiv.org/abs/2606.03903v1
• Date: Tue, 02 Jun 2026 16:59:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-03 22:00:05.190392
• Title: An Attention-Based Denoising Model for Diffusion Weighted Imaging
• Title（参考訳）: 拡散重み画像の注意に基づくデノジングモデル
• Authors: Prithviraj Verma, Pawan Kumar, Chandan Deshani, Prasun Chandra Tripathi,
• Abstract要約: スキャン時間が短縮されると、画像の品質が劣化し、スキャンのノイズが増大する。 階層型スウィントランスウィンドウアテンションとトランスフォーマーに基づく多次元ゲートリファインメントを統合し,DWI復元のためのノイズ認識型アテンション駆動型デノナイジングフレームワークを提案する。 本モデルでは, 騒音条件下での安定挙動を維持しつつ, ノイズレベルを1%から15%に抑えながら, 平均PSNR33.69dB, SSIM0.8539を達成する。
• 参考スコア（独自算出の注目度）: 0.9772661758518332
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Diffusion-weighted imaging (DWI) is used for whole-body cancer screening, but it typically requires a long acquisition time. When the scan time is reduced, the image quality often suffers, leading to increased noise in the scans. Magnitude reconstruction in DWI introduces signal-dependent Rician noise, which makes denoising more challenging for conventional convolution-based methods. To address this limitation, we propose a noise-aware attention-driven denoising framework that integrates hierarchical Swin Transformer window attention with transformer-based multi-dimensional gated refinement for DWI restoration. The model incorporates explicit noise-level conditioning and residual reconstruction to enable adaptive suppression of heteroscedastic noise across a wide range of corruption levels. Experimental evaluation on corrupted DWI scans demonstrates strong restoration performance. Our model achieves a mean PSNR of 33.69~dB and SSIM of 0.8539 across noise levels from 1\% to 15\%, while maintaining stable behavior under severe noise conditions. These results indicate that attention-guided contextual modeling combined with channel-adaptive refinement provides a robust and generalizable solution for DWI denoising.
• Abstract（参考訳）: 拡散強調画像(DWI)は全身がん検診に使用されるが、通常は長い取得時間を要する。 スキャン時間が短縮されると、画像の品質が劣化し、スキャンのノイズが増大する。 DWIにおけるマグニチュード再構成は、従来の畳み込み法ではより難易度の高い、信号依存のリッチ雑音を導入している。 この制限に対処するために,階層型スウィン変換器ウィンドウアテンションとトランスフォーマベース多次元ゲートリフレッシュメントを統合した雑音認識型アテンション駆動型デノナイジングフレームワークを提案する。 このモデルには明示的な雑音レベル条件付けと残像再構成が組み込まれており、広範囲の汚職レベルにわたる異種難聴の適応的抑制を可能にする。 破損したDWIスキャンの実験評価は、強い復元性能を示す。 本モデルでは, 騒音条件下での安定挙動を維持しつつ, ノイズレベルを1\%から15\%の範囲で平均PSNR 33.69~dB, SSIM 0.8539を達成する。 これらの結果は、注意誘導型コンテキストモデリングとチャネル適応型洗練が組み合わさって、DWI復調のための堅牢で一般化可能なソリューションを提供することを示している。

関連論文リスト

• DECADE: A Temporally-Consistent Unsupervised Diffusion Model for Enhanced Rb-82 Dynamic Cardiac PET Image Denoising [10.409009612596714]
  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。
  論文  参考訳（メタデータ） (2026-03-08T18:31:22Z)
• Unsupervised Denoising of Diffusion-Weighted Images with Bias and Variance Corrected Noise Modeling [19.01755888772832]
  拡散磁気共鳴イメージング(dMRI)は臨床診断と神経科学の研究において重要な役割を担っている。 近年の自己監督型・非教師型復調法は, クリーン参照を必要とせず, 画質の向上による実用的な解法である。 しかし、これらの手法の多くは、教師付き学習過程において、dMRI大容量データに存在する非ガウス雑音の特徴を明示的に説明していない。 具体的には、平均バイアスを除去する1次モーメントと、2次モーメントから2次モーメントから正方形への2次損失関数を提案する。
  論文  参考訳（メタデータ） (2026-02-22T04:32:21Z)
• Mitigating the Noise Shift for Denoising Generative Models via Noise Awareness Guidance [54.88271057438763]
  ノイズアウェアネスガイダンス (NAG) は、事前に定義された騒音スケジュールと整合性を保つために、サンプリング軌道を明示的に制御する補正手法である。 NAGは一貫してノイズシフトを緩和し、主流拡散モデルの生成品質を大幅に改善する。
  論文  参考訳（メタデータ） (2025-10-14T13:31:34Z)
• GARD: Gamma-based Anatomical Restoration and Denoising for Retinal OCT [5.763765207893223]
  GARD (Gamma-based Anatomical Restoration and Denoising) は OCT 画像復調のための新しい深層学習手法である。 GARDは、スペックルの統計特性をより正確に反映するために、Denoising Diffusion Gamma Modelを使用している。 GARDはPSNR, SSIM, MSEの点から, 従来のdenoising法や最先端のディープラーニングモデルよりも優れていることを示す。
  論文  参考訳（メタデータ） (2025-09-12T15:24:41Z)
• Noise Level Adaptive Diffusion Model for Robust Reconstruction of Accelerated MRI [34.361078452552945]
  実世界のMRIは、熱ゆらぎによる固有のノイズを既に含んでいる。 そこで本研究では,Nila-DC (NoIse Level Adaptive Data Consistency) を用いた後方サンプリング手法を提案する。 提案手法は最先端のMRI再構成法を超越し,様々なノイズレベルに対して高い堅牢性を有する。
  論文  参考訳（メタデータ） (2024-03-08T12:07:18Z)
• DiffusionAD: Norm-guided One-step Denoising Diffusion for Anomaly Detection [80.20339155618612]
  DiffusionADは、再構成サブネットワークとセグメンテーションサブネットワークからなる、新しい異常検出パイプラインである。 高速なワンステップデノゲーションパラダイムは、同等の再現品質を維持しながら、数百倍の加速を達成する。 異常の出現の多様性を考慮し、複数のノイズスケールの利点を統合するためのノルム誘導パラダイムを提案する。
  論文  参考訳（メタデータ） (2023-03-15T16:14:06Z)
• 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)
• SAR Despeckling using a Denoising Diffusion Probabilistic Model [52.25981472415249]
  スペックルの存在は画像品質を劣化させ、SAR画像理解アプリケーションの性能に悪影響を及ぼす。 本稿では,SAR脱種のための拡散確率モデルであるSAR-DDPMを紹介する。 提案手法は, 最先端の切り離し法と比較して, 定量化と定性化の両面で有意な改善を実現している。
  論文  参考訳（メタデータ） (2022-06-09T14:00:26Z)
• Zero-shot Blind Image Denoising via Implicit Neural Representations [77.79032012459243]
  暗黙的ニューラル表現(INR)のアーキテクチャ的帰納的バイアスを利用した代替的認知戦略を提案する。 提案手法は,低雑音シナリオや実雑音シナリオの広い範囲において,既存のゼロショット復調手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-04-05T12:46:36Z)
• Variational Denoising Network: Toward Blind Noise Modeling and Removal [59.36166491196973]
  ブラインド画像のデノイングはコンピュータビジョンにおいて重要な問題であるが、非常に難しい問題である。 本稿では,ノイズ推定と画像デノーミングを併用した新しい変分推論手法を提案する。
  論文  参考訳（メタデータ） (2019-08-29T15:54:06Z)

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。