論文の概要: Dual-Prior Guided Null-Space Learning with Mixture-of-Splines for Arbitrary Medical Slice Super-Resolution

• arxiv url: http://arxiv.org/abs/2606.26716v2
• Date: Fri, 26 Jun 2026 15:03:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-29 13:57:07.334367
• Title: Dual-Prior Guided Null-Space Learning with Mixture-of-Splines for Arbitrary Medical Slice Super-Resolution
• Title（参考訳）: 任意医療スライススーパーリゾリューションのための混合スプラインを用いたデュアルPrior Guided Null-Space Learning
• Abstract要約: 超解像は、任意のスケールで中間スライスを合成することにより異方性の臨床的取得から等方性ボリュームを再構成する。 この不適切な逆問題を、制約のない残差に基づく回帰リスクとして扱うことで、不明瞭な構造を幻覚させる。 本稿では,2つの相補的事前に導かれる制約付き回復過程としてタスクを再構成するDual-Prior Null-space Learning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）: 28.92727853844715
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Arbitrary slice super-resolution reconstructs isotropic volumes from anisotropic clinical acquisitions by synthesizing intermediate slices at arbitrary scales. However, treating this ill-posed inverse problem as unconstrained residual-based regression risks hallucinating anatomically implausible structures or altering the originally observed data. To address both concerns, this paper presents the Dual-Prior Null-space Learning (DP-NSL) framework, which reformulates the task as a constrained recovery process guided by two complementary priors. A Measurement-Consistent Projection (MCP) enforces a Deterministic Observation Prior: the reconstruction undergoes an exact orthogonal projection that reproduces every acquired slice with zero error, confining all learned details to the unobservable null space. Within this null space, a Mixture-of-Splines (MoS) module imposes a Geometric Continuity Prior by dynamically mixing B-spline experts of different analytic orders, allowing each anatomical region to be modeled with a content-aware level of continuity. To promote spatial coherence, a Local Spatial Consistency Decoder (LSCD) further injects local inductive bias. Experiments on three CT and one MRI benchmark show that DP-NSL outperforms existing approaches while strictly preserving measurement consistency. Code is available at https://github.com/DeepMed-Lab-ECNU/Medical-Image-Reconstruction.
• Abstract（参考訳）: 任意のスケールで中間スライスを合成することにより、任意スライス超解像異方性ボリュームを異方性臨床買収から再構成する。 しかし、この不規則な逆問題を、非拘束的残差に基づく回帰リスクとして扱うことで、解剖学的に不明瞭な構造を幻覚させるか、元々観察されたデータを変更する。 両問題に対処するため,本論文では,2つの相補的な先行する制約付き回復プロセスとしてタスクを再構成するDual-Prior Null-space Learning (DP-NSL) フレームワークを提案する。 再構成は、取得したすべてのスライスをゼロエラーで再現し、学習したすべての詳細を観測不能なヌル空間に収束させる正確な直交射影を実行する。 このヌル空間内では、Mixture-of-Splines (MoS)モジュールは、異なる分析順序のB-スプラインの専門家を動的に混合することにより、幾何学的連続性(Geometric Continuity)を課す。 空間コヒーレンスを促進するために、局所空間整合デコーダ(LSCD)はさらに局所帰納バイアスを注入する。 3つのCTと1つのMRIベンチマーク実験により、DP-NSLは測定一貫性を厳格に保ちながら既存のアプローチよりも優れていることが示された。 コードはhttps://github.com/DeepMed-Lab-ECNU/Medical-Image-Reconstructionで公開されている。

関連論文リスト

• Towards Voxel Spacing Consistency for Medical Image Segmentation [56.992050146446495]
  画像再サンプリングとセグメンテーションの相関について検討し,意味認識型再サンプリングフレームワークであるConsispaceを提案する。 コンシスペースは、解剖学的および意味的一貫性を維持しながら、軸方向における一貫したボクセル間隔を達成する。
  論文  参考訳（メタデータ） (2026-06-30T15:42:23Z)
• Measured-Subspace Consistency: A Plug-and-Play Operator for Diffusion Posterior Sampling in Accelerated MRI Reconstruction [2.4827516038838064]
  加速MRI用拡散後サンプリング装置は, 精度よく再構成できるが, 得られたk-空間は試料間では不一致である。 我々は、この測定されたサブスペースリークを物理許容障害とみなす。 我々は、標準のマルチコイル整合ロックで、任意の互換画像空間後部サンプルをラップするトレーニング不要端末補正である、測定サブスペース整合性(MSC)を提案する。
  論文  参考訳（メタデータ） (2026-06-26T08:49:39Z)
• Deep Slice Interpolation for Reducing Through-Plane Anisotropy and Noise in Head CT [0.0]
  本稿では,隣接する一対の軸スライスから中間CTスライスを合成する深層学習システムを提案する。 このシステムは、3次元の可視化を改善しながら、自然に識別された出力を同時に生成する。
  論文  参考訳（メタデータ） (2026-06-08T10:45:51Z)
• Provably Learning Diffusion Models under the Manifold Hypothesis: Collapse and Refine [60.669081685261965]
  拡散モデルは、顕著な品質で高次元データを生成する。 彼らのトレーニングがいかに効率的にスコア関数を学習するかは理論的には説明がつかないままである。 我々はこの原理をScore-induced Latent Diffusion (SiLD)として定式化する。
  論文  参考訳（メタデータ） (2026-05-16T16:51:10Z)
• CAHAL: Clinically Applicable resolution enHAncement for Low-resolution MRI scans [29.281962308908195]
  脳MRIの大規模自動形態計測解析は、太いスライスによって制限される。 既存の生成超解像法は、視覚的に魅力的な等方性ボリュームを生成するが、しばしば解剖学的幻覚を導入する。 本稿では,低分解能MRIスキャンのためのCAHAL(Clinically Applicable resolution enhancement for Low- resolution MRI)を提案する。
  論文  参考訳（メタデータ） (2026-04-20T19:45:11Z)
• Hyperbolic Enhanced Representation Learning for Incomplete Multi-view Clustering [57.38215918201251]
  本稿では,不完全なマルチビュークラスタリングのためのハイパーボリック拡張表現学習フレームワークであるHERLを提案する。 ポアンカレボール内で操作すると、HERLは表現学習を強化するために構造を意識した潜在空間を構築する。 HERLは最先端のアプローチよりも一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2026-04-18T10:50:46Z)
• Volumetrically Consistent Implicit Atlas Learning via Neural Diffeomorphic Flow for Placenta MRI [6.4588991062735746]
  本稿では,符号付き距離関数とニューラル微分同相流の再構成を結合した容積的に一貫した暗黙的モデルを導入し,胎盤の共有正準テンプレートを学習する。 In-vivo Placenta MRIでの実験では、表面ベースの暗黙的ベースライン法よりも幾何的忠実度と体積的アライメントが改善された。
  論文  参考訳（メタデータ） (2026-03-17T02:55:02Z)
• Preoperative-to-intraoperative Liver Registration for Laparoscopic Surgery via Latent-Grounded Correspondence Constraints [51.7011449975586]
  Land-Regは変形可能な登録フレームワークで、潜伏した2D-3Dのランドマーク対応を学習する。 厳格な登録のために、Land-Regはクロスモーダルラテントアライメントモジュールを採用している。 類似性マッチングを持つ不確実なオーバーラップランドマーク検出器を提案し, 明確な2D-3Dランドマーク対応を強く推定する。
  論文  参考訳（メタデータ） (2026-03-02T10:44:03Z)
• Continuity-driven Synergistic Diffusion with Neural Priors for Ultra-Sparse-View CBCT Reconstruction [15.291378238363174]
  コーンビームCT(CBCT)の臨床応用は,放射線照射と画質のトレードオフによって制限される。 線量を減らすために使用される超スパース角サンプリングは、深刻なアンダーサンプリングアーティファクトとスライス間不整合を導入している。 既存の復元手法は、角の連続性と空間的詳細忠実さのバランスをとるのに苦労することが多い。
  論文  参考訳（メタデータ） (2026-02-08T14:16:30Z)
• Depth-Sequence Transformer (DST) for Segment-Specific ICA Calcification Mapping on Non-Contrast CT [38.85617601239779]
  従来の3Dモデルは、縮小されたボリュームや分離されたパッチを処理せざるを得ない。 我々は,3次元課題を1次元軸方向に沿ったtextbfParallel Probabilistic Landmark Localizationタスクとして再構成する。 フル解像度CTボリュームを2次元スライスシーケンスとして処理するフレームワークである textbfDepth-Sequence Transformer (DST) を提案する。
  論文  参考訳（メタデータ） (2025-07-10T23:12:12Z)
• DPER: Diffusion Prior Driven Neural Representation for Limited Angle and Sparse View CT Reconstruction [45.00528216648563]
  Diffusion Prior Driven Neural Representation (DPER) は、異常に不適切なCT再構成逆問題に対処するために設計された、教師なしのフレームワークである。 DPERは、半二次分割法(HQS)アルゴリズムを採用し、逆問題からデータ忠実度とサブプロブレム前の分布に分解する。 LACTにおけるDPERの性能評価と2つの公開データセットを用いた超SVCT再構成に関する総合的な実験を行った。
  論文  参考訳（メタデータ） (2024-04-27T12:55:13Z)
• Orthogonal Matrix Retrieval with Spatial Consensus for 3D Unknown-View Tomography [58.60249163402822]
  未知視トモグラフィ(UVT)は、未知のランダムな向きで2次元投影から3次元密度マップを再構成する。 提案したOMRはより堅牢で、従来の最先端のOMRアプローチよりも大幅に性能が向上している。
  論文  参考訳（メタデータ） (2022-07-06T21:40:59Z)
• Multi-Modal MRI Reconstruction with Spatial Alignment Network [51.74078260367654]
  臨床実践では、複数のコントラストを持つMRIが1つの研究で取得されるのが普通である。 近年の研究では、異なるコントラストやモダリティの冗長性を考慮すると、k空間にアンダーサンプリングされたMRIの目標モダリティは、完全にサンプリングされたシーケンスの助けを借りてよりよく再構成できることが示されている。 本稿では,空間アライメントネットワークと再構成を統合し,再構成対象のモダリティの質を向上させる。
  論文  参考訳（メタデータ） (2021-08-12T08:46:35Z)

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。