論文の概要: ProSAC-CT: Progressive Spectral-Anatomical Co-Guided Multi-Stage Diffusion Model for Low-Dose CT Denoising

• arxiv url: http://arxiv.org/abs/2607.01756v1
• Date: Thu, 02 Jul 2026 06:13:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-03 19:45:08.695186
• Title: ProSAC-CT: Progressive Spectral-Anatomical Co-Guided Multi-Stage Diffusion Model for Low-Dose CT Denoising
• Title（参考訳）: ProSAC-CT:低用量CT用プログレッシブ分光-解剖学的コガイド多段階拡散モデル
• Authors: Xuepeng Liu, Zetong Liu, Renyiming Li, Yan Li, Ruiyu Li, Ruili Li, Jiayi Ding, Eichi Takaya,
• Abstract要約: 本稿では,画像領域LDCTデノナイズのためのスペクトル-解剖学的共誘導拡散モデルProSAC-CTを提案する。 ProSAC-CTは、解剖学的に事前誘導された条件付けモジュール、残留周波数領域のデカップリングステージ、時間ステップのデカップリングデコーダを統合する。 実験により, ProSAC-CTは画像の忠実度, 構造的類似性, 知覚的品質, 代表的手法による情報保存を改善した。
• 参考スコア（独自算出の注目度）: 4.802209002705593
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Low-dose computed tomography (LDCT) reduces radiation exposure but introduces stronger quantum noise, streak artifacts, and local texture degradation, which can obscure anatomical boundaries and weaken low-contrast structures. Diffusion models are promising for LDCT denoising by progressively recovering normal-dose CT (NDCT) images from degraded LDCT inputs, but existing methods often suffer from insufficient anatomical guidance, uncertain frequency-dependent recovery, and uniform reverse-process modeling. We propose ProSAC-CT, a progressive spectral-anatomical co-guided multi-stage diffusion model for image-domain LDCT denoising. ProSAC-CT integrates an anatomical-prior-guided conditioning (APGC) module, a residual frequency-domain decoupling stage (RFDDS), and a time-step-decoupling denoising decoder (TD3). APGC extracts LDCT-derived structural guidance, RFDDS enhances frequency-aware representations, and TD3 assigns them to different reverse-diffusion stages for anatomical stabilization, boundary refinement, and fine-detail recovery. Experiments on four LDCT degradation benchmarks show that ProSAC-CT improves image fidelity, structural similarity, perceptual quality, and information preservation over representative methods while better preserving boundary-sensitive anatomical details. Downstream anatomical-region classification on Mayo-2020 further indicates that ProSAC-CT retains task-relevant anatomical information, supporting its practical use for low-dose CT denoising.
• Abstract（参考訳）: 低線量CT(LDCT)は、放射線被曝を減らすが、強い量子ノイズ、ストリークアーティファクト、局所的なテクスチャ劣化を導入し、解剖学的境界を曖昧にし、低コントラスト構造を弱める。 拡散モデルは、劣化したLDCT入力から正常線量CT(NDCT)画像を徐々に回復させることにより、LDCTのノイズ化を約束するが、既存の手法では、解剖学的ガイダンスの不足、周波数依存の回復の不確実性、一様逆プロセスモデリングに悩まされることが多い。 本稿では,プロサックCT(ProSAC-CT)を提案する。 ProSAC-CTは、解剖学的優先条件付け(APGC)モジュール、残留周波数領域デカップリングステージ(RFDDS)、時間ステップデカップリングデコーダ(TD3)を統合する。 APGCはLDCT由来の構造的ガイダンスを抽出し、RFDDSは周波数認識表現を強化し、TD3はそれらを解剖学的安定化、境界改善、細部回復のために異なる逆拡散段階に割り当てる。 4つのLDCT劣化ベンチマーク実験により, ProSAC-CTは画像の忠実度, 構造的類似性, 知覚的品質, 情報保存性を向上し, 境界に敏感な解剖学的詳細を保存できることが示されている。 Mayo-2020の下流解剖領域分類は、ProSAC-CTがタスク関連解剖情報を保持し、低用量CTの実用化を支援することを示唆している。

関連論文リスト

• DeVAR: Low-Dose CT Denoising via Visual Autoregressive Modeling [14.938419722549575]
  低線量CT(LDCT)プロトコルは放射線リスクを低減させるが、診断精度を損なう重いノイズや人工物に必然的に苦しむ。 LDCTに視覚オートレモデリングを適用した新しい生成フレームワークを提案する。 我々のハイブリッドNDCTデコーダは、連続的および離散的な潜像をシームレスに統合し、高忠実で詳細保存された画像の再構成を行う。
  論文  参考訳（メタデータ） (2026-06-26T09:55:37Z)
• PHASOR: Anatomy- and Phase-Consistent Volumetric Diffusion for CT Virtual Contrast Enhancement [60.81732730684265]
  本稿では,高忠実度仮想コントラスト拡張(VCE)のための体積拡散フレームワークPHASORを紹介する。 我々は、CTボリュームをコヒーレントシーケンスとして扱うことにより、ビデオ拡散モデルを利用して、構造的コヒーレンスとボリューム精度を向上させる。 まず, 解剖学的意味論に固有の拡張パターンを固定し, 臓器特異的なメモリを付加して, より詳細な情報を収集する。 第二に、インテンシティ・フェイズ・アウェアメント・アライメント・アライメント(IP-REPA)は、不完全な空間アライメントの影響を緩和しつつ、複雑なコントラスト信号を強調する。
  論文  参考訳（メタデータ） (2026-04-01T15:57:18Z)
• 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)
• EqDiff-CT: Equivariant Conditional Diffusion model for CT Image Synthesis from CBCT [43.92108185590778]
  画像誘導放射線療法(IGRT)に広く用いられているコーンビームCT(CBCT) CBCTから高品質なCT画像を生成するために,EqDiff-CTという新しい拡散型条件生成モデルを提案する。
  論文  参考訳（メタデータ） (2025-09-26T05:51:59Z)
• Prior Frequency Guided Diffusion Model for Limited Angle (LA)-CBCT Reconstruction [2.960150120524893]
  コーンビームCT(CBCT)は画像誘導放射線療法に広く用いられている。 LA-CBCT再建は、深刻なアンダーサンプリングアーティファクトに悩まされ、非常に不良な逆問題となる。 LA-CBCT再構成のための拡散モデルに基づく事前周波数誘導拡散モデル(PFGDM)を開発した。
  論文  参考訳（メタデータ） (2024-04-01T19:41:33Z)
• WIA-LD2ND: Wavelet-based Image Alignment for Self-supervised Low-Dose CT Denoising [74.14134385961775]
  我々は, NDCTデータのみを用いて, WIA-LD2NDと呼ばれる新しい自己監督型CT画像復調法を提案する。 WIA-LD2ND は Wavelet-based Image Alignment (WIA) と Frequency-Aware Multi-scale Loss (FAM) の2つのモジュールから構成される。
  論文  参考訳（メタデータ） (2024-03-18T11:20:11Z)
• Rotational Augmented Noise2Inverse for Low-dose Computed Tomography Reconstruction [83.73429628413773]
  改良された深層学習手法は、画像のノイズを除去する能力を示しているが、正確な地上の真実を必要とする。 畳み込みニューラルネットワーク(CNN)のトレーニングに基礎的真理を必要としないLDCTのための新しい自己教師型フレームワークを提案する。 数値および実験結果から,Sparse View を用いた N2I の再構成精度は低下しており,提案手法は異なる範囲のサンプリング角度で画像品質を向上する。
  論文  参考訳（メタデータ） (2023-12-19T22:40:51Z)
• Cross-domain Denoising for Low-dose Multi-frame Spiral Computed Tomography [20.463308418655526]
  X線被曝は、がんなどの潜在的な健康リスクへの懸念を引き起こす。 放射線線量を減らすという欲求は、研究者に再建の質の向上を促した。 本稿では,市販マルチスライス・スパイラルCTスキャナの2段階化手法を提案する。
  論文  参考訳（メタデータ） (2023-04-21T09:30:22Z)

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。