論文の概要: Exact and Calibrated Diffusion Reconstruction for Digital Breast Tomosynthesis
- arxiv url: http://arxiv.org/abs/2607.12937v1
- Date: Tue, 14 Jul 2026 16:10:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-15 17:08:30.220814
- Title: Exact and Calibrated Diffusion Reconstruction for Digital Breast Tomosynthesis
- Title（参考訳）: デジタル乳房共生術における排他的・校正的拡散再建術
- Abstract要約: リミテッドアングルデジタル乳房トモシンセシス(DBT)は、狭い弧上のいくつかの低線量プロジェクションから体積を再構成する。
条件付き拡散は、強い知覚品質を達成するが、不正確なデータ一貫性、非局所化幻覚、未校正不確実性の3つの臨床的障害を残している。
これは、有限角再構成のためのデータ一貫性、不確実性の校正された最初の学習的再構成である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Limited-angle digital breast tomosynthesis (DBT) reconstructs a volume from a few low-dose projections over a narrow arc. At a representative nine-view, $25^{\circ}$ protocol more than 98% of image space is unmeasured, so a learned prior must supply structure in the missing wedge. Conditional diffusion priors achieve strong perceptual quality here but leave three clinical obstacles: inexact data consistency, unlocalized hallucination, and uncalibrated uncertainty. We enforce measurements exactly by replacing the per-step proximal update of a conditional diffusion sampler with exact Euclidean projection onto the data-consistent set, computed via an $m$-dimensional dual system with a one-time Gram matrix $AA^{\top}$ factorization. This projection costs 4.5 ms per step (a $248\times$ speedup) and drives the data residual to the double-precision floor ($2.4\times10^{-13}$). We prove it is the $ρ\to0$ limit of the proximal step, provide a no-harm theorem, and show that exactly consistent sample ensembles have variance supported on null($A$). Thus, the mean's entire error lies in the unmeasured subspace covered by the uncertainty map. On patient-derived breast phantoms, this improves fidelity at no depth-resolution cost. Conversely, a proximal step applied post-update degrades quality, isolating the consistency step's placement as decisive. Isotonic recalibration brings the ensemble spread to a calibrated error scale (expected calibration error $0.029\to0.008$; standardized error $4.7\to0.96$), ranking errors better than the pure prior. We also repair a 20.3% adjoint mismatch in a deployed projector via a materialized operator of record. This is the first data-consistent, uncertainty-calibrated learned reconstruction for limited-angle DBT. The solver naturally relaxes to discrepancy-ball and maximum-a-posteriori modes for noisy measurements.
- Abstract（参考訳）: リミテッドアングルデジタル乳房トモシンセシス(DBT)は、狭い弧上のいくつかの低線量プロジェクションから体積を再構成する。
代表的な9つのビューでは、25^{\circ}$プロトコルが画像空間の98%以上を計測していないため、学習済みの事前は、欠落したくさびの構造を供給しなければならない。
条件付き拡散は、強い知覚品質を達成するが、不正確なデータの一貫性、非局所化幻覚、未校正不確実性の3つの臨床的障害を残している。
我々は,条件付き拡散サンプリング器の段差近位更新をユークリッド射影を正確にデータ一貫性集合に置き換え,1時間グラム行列$AA^{\top}$分解で$m$次元の双対系で計算することで,正確に測定を行う。
このプロジェクションは1歩あたり4.5ミリ秒(248ドル=スピードアップ)で、データは2倍精度フロア(2.4ドル=10^{-13}ドル)に残される。
我々は、それが近位ステップの$ρ\to0$極限であることを証明し、非ハーム定理を提供し、正確に一貫したサンプルアンサンブルがnull($A$)上で分散をサポートすることを示す。
したがって、平均の誤差の全体は不確実性写像で覆われた未測定部分空間にある。
患者由来の乳房ファントムでは、これは深度分解能のコストを伴わず、忠実度を向上させる。
逆に、更新後の近位ステップが品質を劣化させ、一貫性ステップの配置を決定的に分離する。
Isotonic recalibrationにより、アンサンブルはキャリブレーションされたエラースケール(予測キャリブレーションエラー$0.029\to0.008$; 標準化されたエラー4.7\to0.96$)に広がり、純粋なプリミティブのエラーよりもランク付けされる。
また、実物化された記録演算子を介して、配置されたプロジェクタ内の20.3%の隣接ミスマッチを修復する。
これは、リミテッドアングルDBTのためのデータ一貫性、不確実性の校正された最初の再構成である。
解法は自然にノイズ測定のために不一致ボールと最大ポスペリオリモードに緩和する。
関連論文リスト
- Detecting and Discriminating Operator Misspecification in Hybrid PDE-Parameter Learning: a Reference-Free Instrument, with Discrimination Bounded In Sample [0.0]
私たちは1つのフィットから読み取る楽器を作り、オラクルは持っていません。
回復時に神経推定器がTikhonov-regularized inversionに負ける、事前登録された負の機器である、装置の盲点を報告する。
論文 参考訳（メタデータ） (2026-08-04T21:20:44Z) - Round-Trip Consistency: Bidirectional Diffusion Models Can Predict Their Own Rollout Errors [51.56484100374058]
自動回帰モデルは、長時間のロールアウトでエラーを蓄積しますが、デプロイ時には、それを測定するための基本的な真実はありません。
我々は、方向フラグを介して動的システムを前方または後方にステップする単一の条件付き潜在拡散モデルを訓練する。
この双方向性は測定不要なテスト時間誤差信号を提供することを示す。
論文 参考訳（メタデータ） (2026-08-01T13:49:46Z) - Calibrated Closed-Form Uncertainty for Radiative Gaussian Splatting in Sparse-View CT [13.147279382369293]
ガウススプラッティングCTにおける最初の系統的校正法について検討した。
その結果, ボクセルごとの不確実性は, 公式ベンチマークの15面中14面に真の復元誤差をランク付けすることがわかった。
そして、不適格な買収スコアがなぜ許容できる見解を選択できるのかを見極める。
論文 参考訳（メタデータ） (2026-07-15T10:25:05Z) - Fixed-Protocol Amortized MPS Tomography with Conformalized Predictive Uncertainty [31.082191748525137]
量子状態トモグラフィーはサンプリング・スターベットされ、その状態は狭く学習可能な多様体上で生きていく。
事前の見積もりは、既にほぼ最適であり、ほとんどの測定値において高い忠実度」は、断層撮影よりも家族の記憶である可能性がある。
そこで本稿では,ゲージ不変の忠実度損失を一度トレーニングしたemph-protocolアモータライズMPS推定器を提案する。
論文 参考訳（メタデータ） (2026-07-13T08:57:23Z) - $\mathbfλ$-VAE: Variance Equalization for Posterior Collapse [0.0]
変分オートエンコーダ(VAE)は、しばしば後方崩壊に悩まされる。
論理的に独立しているが結合した2つの原因を特定し定式化する。
論文 参考訳（メタデータ） (2026-07-06T18:07:46Z) - The Right Measure for Physics-Constrained Generation: A Co-Area Correction for Posterior-Consistent PDE Inverse Problems [28.97171921966014]
生成モデルは、偏微分方程式(PDE)の逆問題を解くためにますます使われている。
広く採用されているレシピが間違った分布をサンプリングしていることを示す。
我々は,コエリア後部を対象とする測度制約付きサンプルであるtextbfCoCoSを紹介した。
論文 参考訳（メタデータ） (2026-06-03T12:30:03Z) - Bandit Convex Optimization with Gradient Prediction Adaptivity [56.816177049016794]
本研究では, 楽観的な勾配予測が, 最悪の後悔の保証を予測順応的に改善できるかどうかを考察する。
鍵となるアイデアは、分散が勾配ノルムではなく予測誤差でスケールする、新しい分散還元勾配推定器である。
我々は、$(sqrtmathbbE[S_T])$としてスケールする情報理論の下限を確立し、最も達成可能な予測適応的後悔の基本的な特徴を提供する。
論文 参考訳（メタデータ） (2026-05-21T08:57:38Z) - Correction and Corruption: A Two-Rate View of Error Flow in LLM Protocols [51.56484100374058]
そこで本研究では,単一プロトコルステップを正確なマッチングタスクで監査するためのペアアウトカム計測インタフェースを提案する。
各インスタンスについて、インターフェースはベースラインの正当性ビットと後ステップの正当性ビットを記録する。
これらのレートは精度の変化を予測し、種、混合物、パイプライン間でテスト可能な再利用可能な経験的インターフェースを定義する。
論文 参考訳（メタデータ） (2026-04-20T13:25:40Z) - Optimal Unconstrained Self-Distillation in Ridge Regression: Strict Improvements, Precise Asymptotics, and One-Shot Tuning [61.07540493350384]
自己蒸留(英: Self-distillation, SD)とは、教師自身の予測と地道の混合で学生を訓練する過程である。
任意の予測リスクに対して、各正規化レベルにおいて、最適に混合された学生がリッジ教師に改善されることが示される。
本稿では,グリッド探索やサンプル分割,再構成なしに$star$を推定する一貫したワンショットチューニング手法を提案する。
論文 参考訳（メタデータ） (2026-02-19T17:21:15Z) - Orthogonal Causal Calibration [55.28164682911196]
我々は、因果校正作業を標準(非因果予測モデル)の校正作業に還元する一般的なアルゴリズムを開発する。
以上の結果から,既存のキャリブレーションアルゴリズムを因果的設定に応用できることが示唆された。
論文 参考訳（メタデータ） (2024-06-04T03:35:25Z) - On the Distance from Calibration in Sequential Prediction [4.14360329494344]
キャリブレーション距離から予測器を評価可能な逐次二分予測条件について検討する。
キャリブレーション距離は、完全キャリブレーションから逸脱する自然で直感的な尺度である。
我々は,逆選択された$T$バイナリ結果の列に対して,予測において$O(sqrtT)$キャリブレーション距離を達成できる予測アルゴリズムが存在することを証明した。
論文 参考訳（メタデータ） (2024-02-12T07:37:19Z) - Analytic Signal Phase in $N-D$ by Linear Symmetry Tensor--fingerprint
modeling [69.35569554213679]
解析信号位相とその勾配は2-D$以上の不連続性を持つことを示す。
この欠点は深刻なアーティファクトをもたらす可能性があるが、問題は1-D $シグナルには存在しない。
本稿では,複数のGaborフィルタに頼って線形シンメトリー位相を用いることを提案する。
論文 参考訳（メタデータ） (2020-05-16T21:17:26Z)
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。