論文の概要: Splat-Based Metal Artifact Reduction in Cone-Beam CT via Compact Attenuation Modeling

• arxiv url: http://arxiv.org/abs/2608.04764v1
• Date: Wed, 05 Aug 2026 12:30:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-06 14:48:43.919882
• Title: Splat-Based Metal Artifact Reduction in Cone-Beam CT via Compact Attenuation Modeling
• Title（参考訳）: コンパクト減衰モデルによるコーンビームCTの板状金属アーチファクト低減
• Authors: Kiseok Choi, Jaemin Cho, Inchul Kim, Min H. Kim,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 21.680060395853953
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: X-ray computed tomography (CT) suffers from severe metal artifacts when high-attenuation objects such as dental fillings or orthopedic implants are present. These artifacts originate from the polychromatic nature of X-rays, where attenuation varies strongly with photon energy and material composition, breaking the monochromatic assumption used by conventional reconstruction algorithms. Recent neural rendering approaches attempt to address this mismatch through differentiable polychromatic projection models, but they still struggle with smoothness bias, loss of fine structures, and prohibitive computation when extended to large-scale cone-beam CT. We introduce a splat-based metal artifact reduction framework that incorporates a physically grounded polychromatic forward model into a continuous Gaussian representation for cone-beam CT. Each Gaussian encodes the energy-dependent attenuation of the underlying material using a compact material parameterization, which enables efficient joint optimization of geometric and material properties without relying on a metal mask. This compact attenuation formulation captures the essential variation across biological tissues and metallic implants, allowing our model to explain metal-induced nonlinearity while preserving high-frequency structure. Experiments on simulated and real cone-beam CT scans show that our method converges significantly faster and suppresses metal artifacts more effectively than existing reconstruction and neural field-based approaches.
• Abstract（参考訳）: X線CT(CT)は, 歯科充填物や整形外科インプラントなどの高減衰物が存在する場合に, 重金属加工物に悩まされる。 これらのアーティファクトは、光子エネルギーや材料組成によって減衰が強く変化するX線の多色性に起因し、従来の再構成アルゴリズムで用いられる単色性仮定を破る。 最近のニューラルレンダリング手法は、このミスマッチに微分可能なポリクロマティックプロジェクションモデルで対処しようとするが、それでもスムーズなバイアス、微細構造の喪失、大規模コーンビームCTに拡張した場合の禁忌計算に苦慮している。 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。 各ガウシアンは、コンパクトな材料パラメータ化を用いて、基礎物質のエネルギー依存性の減衰を符号化し、金属マスクに頼ることなく、幾何学的および材料特性の効率的な共同最適化を可能にする。 この小型減衰定式化は, 生体組織と金属インプラントの相違を捉え, 高周波構造を保ちながら, 金属誘起非線形性を説明することができる。 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。

関連論文リスト

• Direct Dual-Energy CT Material Decomposition using Model-based Denoising Diffusion Model [105.95160543743984]
  本稿では,Dual-Energy Decomposition Model-based Diffusion (DEcomp-MoD) と呼ばれる深層学習手法を提案する。 Decomp-MoDは、教師なしスコアベースモデルと教師なしディープラーニングネットワークより優れていることを示す。
  論文  参考訳（メタデータ） (2025-07-24T01:00:06Z)
• 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)
• Neural Representation-Based Method for Metal-induced Artifact Reduction in Dental CBCT Imaging [1.1328639311427855]
  本研究は歯科用コーンビームCT(CBCT)の新しい再構成法を提案する。 一般的な金属インプラントの存在下で遭遇する金属誘起アーティファクトを効果的に低減することに焦点を当てている。
  論文  参考訳（メタデータ） (2023-07-27T01:57:06Z)
• 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)
• Multi-Channel Convolutional Analysis Operator Learning for Dual-Energy CT Reconstruction [108.06731611196291]
  我々は,多チャンネル畳み込み解析演算子学習法(MCAOL)を開発した。 本研究では,低エネルギー,高エネルギーで減衰画像を共同で再構成する最適化手法を提案する。
  論文  参考訳（メタデータ） (2022-03-10T14:22:54Z)

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。