論文の概要: Learning to Distort: Weakly-Supervised Image Quality Transfer for Prostate DWI Correction

• arxiv url: http://arxiv.org/abs/2606.18869v1
• Date: Wed, 17 Jun 2026 09:47:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-18 17:16:51.096817
• Title: Learning to Distort: Weakly-Supervised Image Quality Transfer for Prostate DWI Correction
• Title（参考訳）: ゆがみの学習:前立腺DWI補正のための弱めに改善された画像品質伝達
• Authors: YuCheng Tang, Wen Yan, Alexander Ng, Natasha Thorley, Pawel Rajwa, Yipei Wang, Aqua Asif, Clare Allen, Louise Dickinson, Francesco Giganti, David Atkinson, Shonit Punwani, Daniel Alexander, Shaheer Ullah Saeed, Veeru Kasivisvanathan, Yipeng Hu,
• Abstract要約: 単発エコープラナー拡散強調画像(DWI)は幾何歪みにより複雑になることが多い。 本稿では,非歪画像から歪画像への弱教師付き画像品質転送(IQT)フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 36.99892867630486
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Single-shot echo-planar prostate diffusion-weighted imaging (DWI) is frequently complicated by geometric distortions, which impact the ability to derive reliable diagnoses from such images. Developing automated correction methods is challenged by the absence of paired distorted and undistorted clinical scans. In this paper, we first propose a novel weakly-supervised image quality transfer (IQT) framework from undistorted to distorted images that utilizes image quality assessment (IQA) signals to supervise the transfer process. Unlike traditional methods that require expensive, voxel-wise paired data or resort to developing unpaired algorithms, our approach utilizes image-level quality labels (here, distorted vs. undistorted) to establish latent quality prototypes within a pre-trained feature space. Recognizing that simulating realistic distortions is more reliable than direct unpaired correction, we describe a weakly-supervised prototype flow matching algorithm to explicitly regularize generative trajectories towards distorted prototypes, producing realistic susceptibility artifacts that mimic clinical degradations. By synthesizing these realistic pairs, we enable a second IQT model to be trained in the forward direction for distortion correction. Experimental results demonstrate that our generated images successfully mimic the diagnostic interference of real-world artifacts, which leads to more capable distortion correction IQT models. In addition to qualitative comparisons, we also conduct exhaustive quantitative evaluations that compare our approach with existing unpaired approaches (e.g., CycleGAN, UNIT-DDPM, and OT-FM) - as either forward or reverse alternatives - by assessing clinical downstream task performance in PI-RADS and Gleason score classification, using both in-distribution and external data sets.
• Abstract（参考訳）: 単発エコープラナー前立腺拡散強調画像(DWI)は、幾何学的歪みによってしばしば複雑化しており、そのような画像から信頼できる診断を導出する能力に影響を及ぼす。 自動補正法の開発は、対が歪んだり、歪んだりした臨床スキャンがない場合に課題がある。 本稿では、まず、画像品質評価(IQA)信号を用いて、画像品質評価(IQA)信号を用いて、歪みのない画像から歪んだ画像へ、弱制御された画像品質伝達(IQT)フレームワークを提案する。 高価でボクセル対応のペアデータを必要とする従来の手法と異なり,提案手法では画像レベルの品質ラベル(ここでは歪んだり歪んだりする)を用いて,事前訓練された特徴空間内に潜時品質のプロトタイプを確立する。 直視補正よりも現実的歪みのシミュレーションの方が信頼性が高いことを認識し, 変形したプロトタイプに対して生成軌道を明示的に規則化し, 臨床劣化を模倣する現実的感受性人工物を生成する, 弱制御されたプロトタイプフローマッチングアルゴリズムについて述べる。 これらの現実的なペアを合成することにより、歪み補正のために第2のIQTモデルを前方方向に訓練することができる。 実験の結果,生成した画像は実世界のアーティファクトの診断干渉を再現し,より有能な歪み補正IQTモデルが得られた。 また,本手法を既存手法(例えば,CycleGAN,UNIT-DDPM,OT-FM)と比較し,PI-RADSおよびGleasonスコア分類における臨床ダウンストリームタスク性能を評価することで,定量的に定量的評価を行った。

関連論文リスト

• Bridging Single Distortion Artifacts and Mmultifactorial Clinical Quality: Few-shot Biparametric MRI Quality Assessment via Distortion-trained Prototypical Networks [35.683597283324204]
  画像品質自動評価(IQA)のための数発のプロトタイプネットワークを提案する。 我々のフレームワークは、T2重み付きDWI特徴を融合させるためにデュアルブランチ3D ResNetを使用し、真の形態と歪みを区別するための解剖学的コンテキストを提供する。 比較的客観的な歪みラベルのみに基づいてメタトレーニングされたモデルが、複雑で多因子的な臨床品質スコアの予測に効果的に適応できることを実証する。
  論文  参考訳（メタデータ） (2026-06-17T09:50:45Z)
• GenShield: Unified Detection and Artifact Correction for AI-Generated Images [65.11434977803509]
  GenShieldは、診断から修復までのクローズドループでAIGI検出とアーティファクト修正を実行するフレームワークである。 大規模なアーティファクト-restored'ペアを備えた高品質データセットは、統一された評価パイプラインと共に構築される。
  論文  参考訳（メタデータ） (2026-05-15T16:06:20Z)
• Pixel Perfect: Relational Image Quality Assessment with Spatially-Aware Distortions [12.998174707153844]
  従来の画像品質評価(IQA)手法は平均評価スコア(MOS)に依存している。 絶対品質予測からリレーショナル・指向性評価に移行することで,これらの制限を克服する。 歪み予測ネットワークは、非対称な目標を用いて訓練され、空間的に認識された非絡み合った地図を生成する。 定位画像集合のコントラスト学習によりスコアリングネットワークを訓練し、関係品質スコアを予測する。
  論文  参考訳（メタデータ） (2026-05-04T17:39:07Z)
• DR.Experts: Differential Refinement of Distortion-Aware Experts for Blind Image Quality Assessment [9.682871853344226]
  我々は、歪み事前を明示的に組み込むように設計された、新しい事前駆動型BIQAフレームワークであるDR.Expertsを紹介する。 DR.Expertsは、劣化認識型視覚言語モデルを利用して歪み特異的な先行情報を取得することから始まる。 洗練された事前表現とセマンティクスとブリッジ表現は、提案されたミックス・オブ・エキスパート・スタイルのモジュールによって融合される。 このメカニズムは、それぞれの歪み特有の特徴を知覚的影響に従って重み付け、最終的な品質予測が人間の知覚と一致することを保証する。
  論文  参考訳（メタデータ） (2026-02-10T08:41:40Z)
• Conditional Denoising Diffusion Model-Based Robust MR Image Reconstruction from Highly Undersampled Data [11.174208209806073]
  アンダーサンプリング戦略は画像の取得を加速させるが、多くの場合、画像のアーティファクトと劣化した品質をもたらす。 近年の拡散モデルでは、強力な画像先行学習により、アンダーサンプルデータから高忠実度画像の再構成が期待されている。 本稿では,反復的データ一貫性補正を伴う条件付きデノナイジング拡散フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-07T18:01:08Z)
• DP-IQA: Utilizing Diffusion Prior for Blind Image Quality Assessment in the Wild [73.6767681305851]
  野生のブラインド画像品質評価(IQA)は重大な課題を呈している。 大規模なトレーニングデータの収集が困難であることを考えると、厳密な一般化モデルを開発するために限られたデータを活用することは、未解決の問題である。 事前訓練されたテキスト・ツー・イメージ(T2I)拡散モデルの堅牢な画像認識能力により,新しいIQA法,拡散先行に基づくIQAを提案する。
  論文  参考訳（メタデータ） (2024-05-30T12:32:35Z)
• Bridging the Synthetic-to-Authentic Gap: Distortion-Guided Unsupervised Domain Adaptation for Blind Image Quality Assessment [46.64517740627379]
  合成データのトレーニングは有用であることが期待されているが、合成訓練されたモデルはドメインギャップのため、実際のドメインでの一般化に苦しむことが多い。 本研究では,合成データセットにより多くの歪み型を導入することは,画像品質評価の一般化に悪影響を及ぼさないか,あるいは有害である可能性があることを重要視する。 本稿では、歪みからの事前知識を介して適応的な多領域選択を利用する新しいフレームワークであるBIQA(DGQA)の歪み誘導型非教師付きドメイン適応を提案する。
  論文  参考訳（メタデータ） (2024-05-07T10:07:33Z)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)
• Uncertainty-Aware Blind Image Quality Assessment in the Laboratory and Wild [98.48284827503409]
  我々は,テキスト化BIQAモデルを開発し,それを合成的および現実的歪みの両方で訓練するアプローチを提案する。 我々は、多数の画像ペアに対してBIQAのためのディープニューラルネットワークを最適化するために、忠実度損失を用いる。 6つのIQAデータベースの実験は、実験室と野生動物における画像品質を盲目的に評価する学習手法の可能性を示唆している。
  論文  参考訳（メタデータ） (2020-05-28T13:35:23Z)

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。