論文の概要: A Dual Path Framework with Hotspot Guided Fusion for Three Dimensional CT to PET Synthesis in Head and Neck Cancer

• arxiv url: http://arxiv.org/abs/2607.21800v1
• Date: Thu, 23 Jul 2026 20:33:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-27 20:58:56.997514
• Title: A Dual Path Framework with Hotspot Guided Fusion for Three Dimensional CT to PET Synthesis in Head and Neck Cancer
• Title（参考訳）: 頭頸部癌における3次元CT-PET合成のためのHotspot Guided Fusionを用いたデュアルパスフレームワーク
• Abstract要約: 18F-FDG PET/CTは頭頸部癌に対するステージング、治療計画、反応評価において中心的な役割を果たす。 日常的なCTスキャンからPETライクな画像を直接合成するディープ・ラーニング・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）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: 18F-FDG PET/CT plays a central role in staging, treatment planning, and response assessment for head and neck cancer by providing functional information that complements anatomical CT imaging. However, PET acquisition requires radiotracer administration, specialized infrastructure, and additional cost, limiting its availability for repeated imaging. We present a proof of concept deep learning framework for synthesizing PET like images directly from routine CT scans with the goal of providing complementary metabolic information that may support imaging triage and clinical decision support rather than replace diagnostic PET. Forty-four patients from the publicly available QIN-HEADNECK dataset were retrospectively analyzed using five fold cross-validation. We propose a fully three dimensional dual path architecture consisting of (i) a regression U-Net optimized for voxel-wise quantitative SUV estimation and (ii) a conditional generative adversarial network optimized for realistic PET texture. Their outputs are integrated using hotspot guided Laplacian pyramid blending, allowing quantitative information from the regression pathway to be preserved within metabolically active regions while leveraging adversarial texture synthesis elsewhere. The proposed framework achieved a mean absolute error of 0.00395, PSNR of 39.19 dB, and SSIM of 0.9634 on reconstructed three dimensional PET volumes. Qualitative evaluation demonstrated accurate localization of many FDG-avid lesions while producing anatomically realistic background texture. Consistent with previous CT to PET synthesis studies, the principal limitation was systematic underestimation of SUV within highly metabolically active tumor regions.
• Abstract（参考訳）: 18F-FDG PET/CTは、解剖学的CT像を補完する機能情報を提供することで、頭頸部癌に対するステージング、治療計画、反応評価において中心的な役割を果たす。 しかしPETの取得には、放射線治療、特別なインフラ、追加のコストが必要で、画像の繰り返し使用が制限される。 診断用PETを代替するのではなく,画像トリアージと臨床診断支援を支援するための相補的代謝情報を提供することを目的として,定期的なCTスキャンから直接PETライクなイメージを合成するための概念的深層学習フレームワークを提案する。 公開されているQIN-HEADNECKデータセットの44例を5倍のクロスバリデーションを用いて振り返って分析した。 完全3次元デュアルパスアーキテクチャを提案する。 (i)ボクセルの量的SUV推定と推定に最適化された回帰U-Net (II) 現実的なPETテクスチャに最適化された条件付き生成対向ネットワーク。 それらの出力は、ホットスポット誘導ラプラシアピラミッドブレンディング(英語版)を用いて統合され、逆行経路からの定量的情報を代謝活性領域内に保存し、他の場所では逆行的なテクスチャ合成を利用することができる。 提案手法は平均絶対誤差0.00395、PSNR39.19dB、SSIM0.9634を3次元PETボリュームで達成した。 質的評価では,解剖学的に現実的な背景テクスチャを呈し,多くのFDG関連病変の正確な局在が認められた。 従来のCTとPETの合成研究と一致し, 極めて代謝活性の強い腫瘍領域におけるSUVの系統的過小評価が主な限界であった。

関連論文リスト

• 3D CT-to-PET Translation via Latent Brownian Bridge Diffusion [2.013258778704508]
  潜在ブラウン橋拡散(BBDM)に基づく3次元CT-PET変換フレームワークを提案する。 提案手法はPET信号の忠実度を向上し,臨床的に関連のある取り込みパターンを良好に保ち,低分子代謝活性の維持における性能の向上を示す。
  論文  参考訳（メタデータ） (2026-09-11T13:47:50Z)
• The autoPET3 Challenge: Automated Lesion Segmentation in Whole-Body PET/CT $\unicode{x2013}$ Multitracer Multicenter Generalization [67.92281859568168]
  第3回オートPETチャレンジ(MICCAI 2024)の設計と成果を報告する。 全身PET/CTにおける自動病変分割を, 構成的一般化条件下でベンチマークした。 トップランクのアルゴリズムは平均DSCが0.66、FNVが3.18mL、FPVが2.78mLである。
  論文  参考訳（メタデータ） (2026-05-07T07:07:09Z)
• Virtual Scanning for NSCLC Histology: Investigating the Discriminatory Power of Synthetic PET [2.014801947349493]
  非小細胞肺癌(NSCLC)における腺癌(ADC)と扁平上皮癌(SCC)の正確な組織分化はパーソナライズされた治療に重要である 18$F]FDG PET/CTは肺がんの臨床評価の標準ツールであるが、高コストと放射線曝露によってその有用性は制限されることが多い。 本稿では,FDG-PET/CT Lesionsデータセットで事前訓練した3D Pix2Pix Generative Adversarial Network (GAN) を用いて,解剖学的CTスキャンから擬似PETボリュームを合成するフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-04T15:46:53Z)
• Distilling Photon-Counting CT into Routine Chest CT through Clinically Validated Degradation Modeling [51.330452704464925]
  145の病院から1,046のPCCTと405,379のEICTで潜伏拡散モデルを訓練した。 我々は,PCCTライクな品質に拡張された17,316以上の公開EICTの大規模データセットを構築した。 以上の結果から,現像技術の進歩は,限られた高画質スキャンを基準として,定期的なEICTに体系的に蒸留できることが示唆された。
  論文  参考訳（メタデータ） (2026-04-08T17:47:35Z)
• Unveiling and Bridging the Functional Perception Gap in MLLMs: Atomic Visual Alignment and Hierarchical Evaluation via PET-Bench [48.60251555171943]
  MLLM(Multimodal Large Language Models)は、異常検出や解剖学的モダリティのレポート生成などのタスクにおいて、顕著な熟練性を示した。 本研究では, 機能的トレーサの生体分布を, 形態的先行性とは無関係に復号化できない現状の視覚エンコーダについて, 基本的な機能的知覚ギャップを定量化する。 PET-Benchは52,308個の階層型QAペアからなるPET-Benchの最初の大規模機能評価ベンチマークである。 AVAは認知ギャップを効果的に橋渡しし、CoTを幻覚源から頑健な推論ツールに変換し、診断を改善していることを示す。
  論文  参考訳（メタデータ） (2026-01-06T05:58:50Z)
• Vision-Language Models for Automated 3D PET/CT Report Generation [13.781844347232079]
  自己PET/CTレポート生成は, 臨床負荷軽減にますます重要である。 PETRG-3Dは、PETとCTのボリュームをエンコードし、スタイル適応プロンプトを組み込んだエンドツーエンドの3Dデュアルブランチフレームワークである。 PETRG-Score(PETRG-Score)は、悪性リンパ腫に特異的な評価プロトコルである。
  論文  参考訳（メタデータ） (2025-11-25T10:07:57Z)
• Supervised Diffusion-Model-Based PET Image Reconstruction [44.89560992517543]
  PET画像再構成の前兆として拡散モデル (DM) が導入された。 PET再構成のための教師付きDMベースアルゴリズムを提案する。 本手法はPETのポアソン確率モデルの非負性性を強制し,PET画像の広い範囲に適応する。
  論文  参考訳（メタデータ） (2025-06-30T16:39:50Z)
• Two-stage deep learning framework for the restoration of incomplete-ring PET images [0.6478690173421426]
  約50%の偶然を欠いたデータから高品質な画像を復元する2段階のディープラーニングフレームワークを提案する。 また, 推論速度も向上し, 不完全リングPET画像の有効解が得られた。
  論文  参考訳（メタデータ） (2025-04-01T14:05:32Z)
• Autopet III challenge: Incorporating anatomical knowledge into nnUNet for lesion segmentation in PET/CT [4.376648893167674]
  AutoPET III ChallengeはPET/CT画像における腫瘍病変の自動切除の進歩に焦点を当てている。 我々は,PETスキャンの最大強度投影に基づいて,与えられたPET/CTのトレーサを識別する分類器を開発した。 我々の最終提出書は、公開可能なFDGおよびPSMAデータセットに対して76.90%と61.33%のクロスバリデーションDiceスコアを達成している。
  論文  参考訳（メタデータ） (2024-09-18T17:16:57Z)
• Synthetic CT Generation via Variant Invertible Network for All-digital Brain PET Attenuation Correction [11.402215536210337]
  減衰補正(AC)は, アーティファクトフリーで定量精度の高いポジトロン放射トモグラフィ(PET)画像の生成に不可欠である。 本稿では,脳PET画像における非減衰補正PET画像から,深層学習を用いて連続的に評価されたCT画像を生成するPET AC法を開発した。
  論文  参考訳（メタデータ） (2023-10-03T08:38:52Z)
• Contrastive Diffusion Model with Auxiliary Guidance for Coarse-to-Fine PET Reconstruction [62.29541106695824]
  本稿では, 粗い予測モジュール (CPM) と反復的修正モジュール (IRM) から構成される粗大なPET再構成フレームワークを提案する。 計算オーバーヘッドの大部分をCPMに委譲することで,本手法のサンプリング速度を大幅に向上させることができる。 2つの追加戦略、すなわち補助的な誘導戦略と対照的な拡散戦略が提案され、再構築プロセスに統合される。
  論文  参考訳（メタデータ） (2023-08-20T04:10:36Z)
• Tattoo tomography: Freehand 3D photoacoustic image reconstruction with an optical pattern [49.240017254888336]
  光音響トモグラフィ(PAT)は、形態学的および機能的組織特性の両方を解決することができる新しいイメージング技術である。 現在の欠点は、従来の2Dプローブによって提供される視野の制限である。 本研究では,外部追跡システムを必要としないPATデータの3次元再構成手法を提案する。
  論文  参考訳（メタデータ） (2020-11-10T09:27:56Z)

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。