Fugu-MT 論文翻訳(概要): Unsupervised Metal Artifact Reduction in Dental CBCT using Fine-tuned Cycle-Consistent Adversarial Networks

論文の概要: Unsupervised Metal Artifact Reduction in Dental CBCT using Fine-tuned Cycle-Consistent Adversarial Networks

arxiv url: http://arxiv.org/abs/2607.20977v1
Date: Thu, 23 Jul 2026 06:55:02 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-24 18:26:25.303517
Title: Unsupervised Metal Artifact Reduction in Dental CBCT using Fine-tuned Cycle-Consistent Adversarial Networks
Title（参考訳）: 細調整サイクル共振器ネットワークを用いた歯科用CBCTの非教師的金属アーチファクト低減
Authors: G. L. T. Chamika, S. N. A. Dhanapala, P. H. S. V. Nimalaweera, Maheshi B. Dissanayake, Ruwan D. Jayasinghe,
Abstract要約: 歯科インプラントにより生成された金属遺物は, コーンビームCT(CBCT)ボリュームを著しく低下させた。高忠実度復元に最適化されたCycleGAN(Cycle-Consistent Adversarial Network)を用いた金属アーチファクト削減(MAR)のための教師なしディープラーニングフレームワークが提案されている。このアーキテクチャは、U-NetベースのジェネレータとPatchGAN識別器を統合しており、特に、発生幻覚を緩和し、形態的整合性を維持するために調整されている。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Metal artifacts generated by dental implants significantly degrade cone-beam computed tomography (CBCT) volumes, obscuring critical anatomical structures and compromising diagnostic precision. To address this, an unsupervised deep learning framework has been proposed for Metal Artifact Reduction (MAR) utilizing a Cycle-Consistent Adversarial Network (CycleGAN) optimized for high-fidelity restoration. Unlike supervised methods that rely on unattainable voxel-aligned paired datasets, the proposed approach leverages an unpaired dataset of approximately 4,000 images, curated from the public ToothFairy dataset. The architecture integrates U-Net-based generators and PatchGAN discriminators, specifically tuned to mitigate generative hallucinations and preserve morphological integrity. Quantitative benchmarking on a held-out test set demonstrates a 34.6\% improvement in the Blind/Referenceless Image Spatial Quality Evaluator (BRISQUE) score, a substantial reduction in Fréchet Inception Distance (FID) from 207.03 to 157.04, and a superior Structural Similarity Index Measure (SSIM) of 0.9105. The framework achieves real-time efficiency with a 3.03 ms inference time per slice, effectively suppressing artifacts while preserving anatomical detail. Expert validation confirms high fidelity; however, to ensure reliability in extreme cases, the architecture is recommended as a clinical decision-support tool under human-in-the-loop oversight. By enhancing diagnostic clarity via a scalable software pipeline, this study provides a robust solution for high-fidelity dental implant imaging.
Abstract（参考訳）: 歯科インプラントにより生成された金属遺物は, コーンビームCT(CBCT)ボリュームを著しく低下させ, 重要な解剖学的構造を排除し, 診断精度を向上した。これを解決するために,高忠実度復元に最適化されたCycleGAN(Cycle-Consistent Adversarial Network)を用いた金属アーチファクト削減(MAR)のための教師なしディープラーニングフレームワークが提案されている。達成不可能なボクセル整列ペアデータセットに依存する教師付き手法とは異なり、提案手法では、公開のTothFairyデータセットからキュレートされた約4,000の画像の未ペアデータセットを活用する。このアーキテクチャは、U-NetベースのジェネレータとPatchGAN識別器を統合しており、特に、発生幻覚を緩和し、形態的整合性を維持するために調整されている。ホールトアウトテストセットの定量的ベンチマークでは、ブラインド/参照レス画像空間品質評価器(BRISQUE)の34.6%の改善、Fréchet Inception Distance(FID)の207.03から157.04への大幅な削減、0.9105の優れた構造的類似度指標(SSIM)が示されている。フレームワークはスライス毎の3.03ミリ秒の推論時間でリアルタイムの効率を達成し、解剖学的詳細を保存しながらアーティファクトを効果的に抑制する。専門家による検証では信頼性が高いことが確認されているが、極端な場合の信頼性を確保するため、このアーキテクチャはヒトのループ監視下での臨床的意思決定支援ツールとして推奨されている。本研究は,スケーラブルなソフトウェアパイプラインによる診断精度の向上により,高忠実度インプラントイメージングのための堅牢なソリューションを提供する。

関連論文リスト

Delving Aleatoric Uncertainty in Medical Image Segmentation via Vision Foundation Models [56.29123284262618]
本研究は,視覚基盤モデルの普遍的表現能力を生かして固有データ不確実性を推定することを提案する。モデルのデコード表現の特徴の多様性を分析し,その特異値エネルギーを定量化し,各クラスに対する意味知覚尺度を定義する。この基礎に基づいて,本研究は,(1)潜在的にノイズの多いサンプルを排除し,モデル学習品質を向上させるためのアレータリック不確実性認識データフィルタリング機構,(2)意味認識尺度に基づくトレーニング中にクラス固有の損失重みを適応的に調整する動的不確実性認識最適化戦略,およびトレーニング安定性を向上させるラベル認知機構の2つの不確実性駆動型アプリケーション戦略を設計する。
論文参考訳（メタデータ） (2026-04-13T03:59:54Z)
HARU-Net: Hybrid Attention Residual U-Net for Edge-Preserving Denoising in Cone-Beam Computed Tomography [0.4583541422554718]
コーンビームCT(CBCT)データの高品質デノナイズのための新しいハイブリッドアテンション残差U-Net(HARU-Net)を提案する。 HARU-Netは、SwinIRやUformerなどの最先端(SOTA)手法を一貫して上回り、最高のPSNR(37.52dB)、最高SSIM(0.9557)、最低GMSD(0.1084)を達成している。この有効かつ臨床的に信頼性の高いCBCT復調法は,SOTA法に比べて計算コストが大幅に低い。
論文参考訳（メタデータ） (2026-02-26T02:36:34Z)
Uncertainty-Aware Domain Adaptation for Vitiligo Segmentation in Clinical Photographs [4.19421520851419]
治療反応の経時的モニタリングには, 日常的な臨床写真における精査範囲の正確な定量化が不可欠である。我々は,ISIC 2019データセット上でのドメイン適応型事前学習とROIに基づく二重タスク損失を組み合わせ,背景雑音を抑制するデータ効率のトレーニング戦略を提案する。本フレームワークは破滅的障害をゼロに高い信頼性を示し,診断可能なエントロピーマップを提供し,臨床検査のための曖昧な領域を同定する。
論文参考訳（メタデータ） (2025-12-12T18:56:21Z)
Multi-Stage Residual-Aware Unsupervised Deep Learning Framework for Consistent Ultrasound Strain Elastography [0.9698885636466451]
Ultrasound Strain Elastography (USE)は、組織力学的特性を評価するための強力な非侵襲イメージング技術である。我々は,頑健かつ一貫したひずみ推定のための残差認識・多段階非教師付き逐次ディープラーニングフレームワークであるMUSSE-Netを提案する。 MUSSE-Netは24.54の目標SNR、132.76のバックグラウンドSNR、59.81のCNR、9.73のエラストグラフSNRで最先端のパフォーマンスを達成する。
論文参考訳（メタデータ） (2025-11-19T17:22:25Z)
Enhancing ECG Classification Robustness with Lightweight Unsupervised Anomaly Detection Filters [39.9470953186283]
ウェアラブルを用いた連続心電図(ECG)モニタリングは、早期心血管疾患(CVD)検出に有意な可能性を秘めている。リソース制約のある環境での自動分析のためのディープラーニングモデルをデプロイすることは、アウト・オブ・ディストリビューション(Out-of-Distribution)データによる信頼性上の課題に直面します。本稿では,非教師付き異常検出(UAD)を,ロバスト性向上のための独立な上流フィルタリング機構として検討する。
論文参考訳（メタデータ） (2025-10-30T13:54:37Z)
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)
Automated Cervical Os Segmentation for Camera-Guided, Speculum-Free Screening [38.85521544870542]
本研究は,経血管内視鏡的画像における頸部骨のリアルタイム分割のための深層学習法について検討した。 DICE(0.50 pm 0.31)と検出レート(0.87 pm 0.33)を達成した。これらの結果は、非専門的な使用をサポートするために、自動os認識を投機のない頸部検診装置に統合するための基盤を確立する。
論文参考訳（メタデータ） (2025-09-12T14:19:27Z)
An Autoencoder and Vision Transformer-based Interpretability Analysis of the Differences in Automated Staging of Second and Third Molars [4.6984251688936425]
本研究では,高精度な法医学的応用における性能と透明性の両立を図ったフレームワークを提案する。下顎第2(第37歯)および第3(第38歯)臼歯の自動ステージングでは,顕著な性能差が認められた。
論文参考訳（メタデータ） (2025-09-12T00:54:07Z)
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)
Spatial-aware Transformer-GRU Framework for Enhanced Glaucoma Diagnosis from 3D OCT Imaging [3.093890460224435]
本稿では3次元光コヒーレンス・トモグラフィー(OCT)画像の診断値を利用した新しいディープラーニングフレームワークを提案する。我々は、リッチスライスな特徴抽出のための網膜データに事前学習された視覚変換器と、スライス間空間依存性をキャプチャするための双方向Gated Recurrent Unitを統合する。
論文参考訳（メタデータ） (2024-03-08T22:25:15Z)
A Learning-based Method for Online Adjustment of C-arm Cone-Beam CT Source Trajectories for Artifact Avoidance [47.345403652324514]
市販CBCT装置で実現可能な復元品質はペダルスクリューの存在下での金属加工品のため不十分である。そこで本研究では,C-arm CBCTソーストラジェクトリをスキャン中に調整し,特定のタスクに対する再構成品質を最適化することを提案する。リアルにシミュレートされたデータに基づいてトレーニングされた畳み込みニューラルネットワークは、CBCTソース軌跡のシーン特異的な調整を可能にする品質指標を予測することができることを示す。
論文参考訳（メタデータ） (2020-08-14T09:23:50Z)

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。