論文の概要: SCMA: Structure-Conditioned and Metal-Aware Flow Matching for CT Metal Artifact Reduction

• arxiv url: http://arxiv.org/abs/2607.28759v2
• Date: Mon, 03 Aug 2026 10:50:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:24.239351
• Title: SCMA: Structure-Conditioned and Metal-Aware Flow Matching for CT Metal Artifact Reduction
• Title（参考訳）: SCMA:CT金属アーチファクト低減のための構造制御と金属認識フローマッチング
• Abstract要約: Flow Matchingは、ソース分布をターゲット分布に決定的に転送する連続時間速度場を学習する。 構造条件と金属を意識したフローマッチングフレームワークであるSCMAを提案する。 シミュレーションおよび実CTデータを用いた実験により、SCMAは金属のアーティファクトをより効果的に抑制し、局所的な解剖学的構造を保存し、射影測定と矛盾する幻覚のような構造を減少させることが示された。
• 参考スコア（独自算出の注目度）: 3.3849225808441346
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In X-ray CT, metallic objects cause beam hardening, photon starvation, and scattering, leading to projection inconsistency, streaks, dark bands, and structural distortions that compromise clinical diagnosis and quantitative analysis. Existing metal artifact reduction (MAR) methods remain limited: optimization-based methods may leave residual artifacts or blur structures, regression networks may generalize poorly across scenarios, and generative models without sample-specific structural guidance and physical constraints may produce anatomically inconsistent structures. Flow Matching learns a continuous-time velocity field that deterministically transports a source distribution to a target distribution, providing a flexible MAR prior. However, standard unconditional Flow Matching does not exploit sample-specific structure, spatially nonuniform metal-induced degradation, or measured projections. To address these limitations, we propose SCMA, a structure-conditioned and metal-aware Flow Matching framework. First, a linear-interpolation-corrected image is fed into the velocity network with the intermediate state as a sample-specific structural condition, guiding inference toward artifact-free CT images while preserving anatomy. Second, time-varying spatial weights from the metal mask and its distance transform are incorporated into the Flow Matching loss to emphasize severe degradation within and around metal regions. Finally, conditional Flow Matching updates alternate with projection-consistency correction during inference, allowing reliable measurements outside metal traces to constrain predictions. Experiments on simulated and real CT data demonstrate that SCMA more effectively suppresses metal artifacts, preserves local anatomical structures, and reduces hallucination-like structures inconsistent with projection measurements than representative MAR methods.
• Abstract（参考訳）: X線CTでは、金属の物体がビーム硬化、光子飢餓、散乱を引き起こし、プロジェクションの不整合、ストリーク、ダークバンド、そして臨床診断と定量的解析を損なう構造歪みを引き起こす。 既存の金属アーティファクト削減法(MAR)の手法は限定的であり、最適化に基づく手法は残留したアーティファクトやボケ構造を残し、回帰ネットワークはシナリオ全体にわたって貧弱な一般化をし、サンプル固有の構造ガイダンスのない生成モデルと物理的制約は解剖学的に矛盾する構造を生成する。 Flow Matchingは、ソース分布をターゲット分布に決定的に輸送する連続時間速度場を学習し、フレキシブルなMARを提供する。 しかし、標準的な非条件フローマッチングでは、サンプル固有の構造、空間的に不均一な金属による劣化、あるいは測定された投影を利用できない。 これらの制約に対処するため,構造条件と金属を意識したフローマッチングフレームワークSCMAを提案する。 まず, 線形補間補正画像が標本特異的構造条件として中間状態の速度ネットワークに入力され, 解剖学を保ちながら, アーティファクトフリーCT画像への推論が導かれる。 第2に、金属マスクからの時間変化空間重みとその距離変換をフローマッチング損失に組み込んで、金属領域内および周辺での深刻な劣化を強調する。 最後に、条件付きフローマッチングは、推論中にプロジェクション-一貫性補正と交互に更新され、金属トレースの外での信頼性測定により予測が制約される。 シミュレーションおよび実CTデータを用いた実験により、SCMAは金属のアーティファクトをより効果的に抑制し、局所解剖学的構造を保存し、一般的なMAR法よりも幻覚のような構造が投影法と矛盾することを実証した。

関連論文リスト

• Splat-Based Metal Artifact Reduction in Cone-Beam CT via Compact Attenuation Modeling [21.680060395853953]
  コーンビームCTのための連続ガウス表現に,物理的に接地したポリクロマティックフォワードモデルを組み込んだスプレート型金属アーチファクト低減フレームワークを導入する。 実コーンビームCTのシミュレーション実験により,本手法は既存の再建法や神経磁場によるアプローチよりもはるかに高速に収束し,金属加工物を効果的に抑制することが示された。
  論文  参考訳（メタデータ） (2026-08-05T12:30:13Z)
• Layout-Guided Controllable Pathology Image Generation with In-Context Diffusion Transformers [57.54843029965778]
  制御可能な病理画像合成には、空間配置、組織形態、意味的詳細の信頼できる規制が必要である。 In-Context Diffusion Transformer (IC-DiT) は,空間レイアウト,テキスト記述,視覚的埋め込みを統合拡散変換器に組み込んだレイアウト認識生成モデルである。 IC-DiTは既存の方法よりも忠実度が高く、空間制御性が強く、診断の整合性が良くなる。
  論文  参考訳（メタデータ） (2026-03-11T06:14:11Z)
• AS-Mamba: Asymmetric Self-Guided Mamba Decoupled Iterative Network for Metal Artifact Reduction [6.255398219368993]
  金属はCT(Computed Tomography)の画質を著しく劣化させる。 CNNやTransformerといった既存のディープラーニングアプローチは、アーティファクトの方向幾何学的特徴を明示的に捉えていないことが多い。 本研究では,非対称自己ガイド型マンバ (AS-Mamba) を金属加工品の還元に用いることを提案する。
  論文  参考訳（メタデータ） (2026-02-06T03:27:28Z)
• SIGMA: Scalable Spectral Insights for LLM Collapse [51.863164847253366]
  SIGMA(Spectral Inequalities for Gram Matrix Analysis)は,モデル崩壊のための統一的なフレームワークである。 行列のスペクトル上の決定論的境界を導出するベンチマークを利用することで、SIGMAは表現空間の収縮を追跡するために数学的に基底化された計量を提供する。 我々は、SIGMAが状態への遷移を効果的に捉え、崩壊のメカニズムに関する理論的知見の両方を提供することを示した。
  論文  参考訳（メタデータ） (2026-01-06T19:47:11Z)
• Physically-Grounded Manifold Projection Model for Generalizable Metal Artifact Reduction in Dental CBCT [20.637726557566793]
  歯科用CBCTの金属遺物は極めて不明瞭な解剖学的構造である。 現在のMAR(Metal Artifact Reduction)の深層学習は制限に直面している。 Denoising Diffusion Models (DDPM) はリアリズムを提供するが、遅い反復的なサンプリングに依存している。
  論文  参考訳（メタデータ） (2025-12-30T14:36:26Z)
• Solving Energy-Independent Density for CT Metal Artifact Reduction via Neural Representation [46.57879724994237]
  金属腐食測定によるCT画像の再構成は, 難解な非線形逆問題となる。 既存のSOTA(State-of-the-art)メタルアーティファクトリダクション(MAR)アルゴリズムは、多数のペアCTサンプルによる教師あり学習に依存している。 本研究では,新しい教師なしMAR法である密度ニューラル表現(ダイナー)を提案する。
  論文  参考訳（メタデータ） (2024-05-11T16:30:39Z)
• Gradient Descent Provably Solves Nonlinear Tomographic Reconstruction [60.95625458395291]
  計算トモグラフィー(CT)では、フォワードモデルは線形変換と、ベル=ランベルト法則に従って光の減衰に基づく指数非線形性によって構成される。 金属クラウンを用いた人間の頭蓋骨の商業的再構築と比較すると,このアプローチは金属人工物を減らすことが示されている。
  論文  参考訳（メタデータ） (2023-10-06T00:47:57Z)
• Unsupervised CT Metal Artifact Reduction by Plugging Diffusion Priors in Dual Domains [8.40564813751161]
  金属インプラントはしばしばCT画像の破壊的なアーティファクトを引き起こし、正確な診断を妨げる。 金属加工品(MAR)を減らすための教師付き深層学習に基づくいくつかのアプローチが提案されている。 本稿では,データ分布を表す高容量な生成モデルである拡散モデルに基づく教師なしMAR手法を提案する。
  論文  参考訳（メタデータ） (2023-08-31T14:00:47Z)
• Unsupervised Polychromatic Neural Representation for CT Metal Artifact Reduction [48.1445005916672]
  人体に金属インプラントが存在する場合のCTイメージングの課題に対処する新しい多色神経表現法(Polyner)を提案する。 私たちのPolynerは、ドメイン内のデータセットの教師付きメソッドよりも同等または優れたパフォーマンスを実現しています。
  論文  参考訳（メタデータ） (2023-06-27T04:50:58Z)
• Orientation-Shared Convolution Representation for CT Metal Artifact Learning [63.67718355820655]
  X線CT(CT)スキャン中、患者を乗せた金属インプラントは、しばしば有害なアーティファクトに繋がる。 既存のディープラーニングベースの手法は、有望な再構築性能を得た。 本稿では,人工物の物理的事前構造に適応するために,配向型畳み込み表現戦略を提案する。
  論文  参考訳（メタデータ） (2022-12-26T13:56:12Z)
• Predicting failure characteristics of structural materials via deep learning based on nondestructive void topology [0.5735035463793008]
  非破壊的X線CT(X-CT)、持続的ホモロジー(PH)、深層マルチモーダル学習(DML)を組み合わせた材料破壊特性の予測手法を提案する。 材料検査時の微細欠陥状態を入力として利用し、故障関連特性を出力する。
  論文  参考訳（メタデータ） (2022-05-17T05:59:42Z)

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。