論文の概要: Machine Learning-Based Inter-Crystal Scatter Recovery for Ultra-High Resolution PET Imaging

• arxiv url: http://arxiv.org/abs/2608.07155v1
• Date: Fri, 07 Aug 2026 12:21:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-10 16:21:25.494235
• Title: Machine Learning-Based Inter-Crystal Scatter Recovery for Ultra-High Resolution PET Imaging
• Title（参考訳）: 超高分解能PETイメージングのための機械学習による結晶間散乱回復
• Abstract要約: 超高分解能ポジトロン放射トモグラフィー(UHR-PET)におけるICSイベントの意義 第1コンプトン相互作用に属する応答線を推定することにより、ICSイベントの回復を最適化するフィードフォワードニューラルネットワークを提案する。 その結果, 従来法に比べて7～106%の感度向上がみられたが, 空間分解性は1.6mm以下であった。
• 参考スコア（独自算出の注目度）: 42.37643072381109
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Inter-crystal scatter (ICS) events pose a significant challenge in ultrahigh- resolution positron emission tomography (UHR-PET), especially as detector crystals become smaller and their readouts increasingly segmented. Current approaches either reject these events, reducing sensitivity, or accept them with suboptimal positioning algorithms, degrading image resolution. We present a feed forward neural network to optimize ICS event recovery by inferring the line-of-response belonging to the first Compton interaction. Our approach was validated using both Monte Carlo simulations and experimental data from the fully pixelated LabPET-IIbased preclinical and brain UHR-PET scanners.Results demonstrate a 70% to 106% increase in sensitivity while preserving sub-millimeter spatial resolvability (down to 1.6 mm) compared to conventional methods. This ICS recovery approach is an effective solution that compensates for the lower detection efficiency of small, pixelated detectors in UHR-PET, enabling reduced scan times and lower radiation doses while largely preserving image quality.
• Abstract（参考訳）: 超高分解能ポジトロン放射トモグラフィー(UHR-PET)では、特に検出器結晶が小さくなり、読み出し値が分断されるにつれて、ICS(inter-Crystal scatter)イベントが大きな課題となる。 現在のアプローチでは、これらのイベントを拒否したり、感度を低下させたり、最適な位置決めアルゴリズムで受け入れたり、画像の解像度を低下させたりしている。 第一のコンプトン相互作用に属する応答線を推定することにより、ICSイベントの回復を最適化するフィードフォワードニューラルネットワークを提案する。 提案手法は,全画素化 LabPET-II を用いた前臨床および脳内 UHR-PET スキャナを用いたモンテカルロシミュレーションと実験データの両方を用いて検証した。その結果,従来法に比べて7～106%の感度向上がみられた。 このICSリカバリ手法は、UHR-PETにおける小画素検出器の低い検出効率を補正し、画像品質を保ちながらスキャン時間を短縮し、放射線線量を減らす効果がある。

関連論文リスト

• 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)
• MlPET: A Localized Neural Network Approach for Probabilistic Post-Reconstruction PET Image Analysis Using Informed Priors [0.0]
  確率的PET画像解析のための高速局所機械学習手法であるMlPETを開発し評価する。 MlPETは、マルコフ連鎖モンテカルロサンプリングを、小さな画像近傍から平均ボクセル活性を推定するために訓練された局所ニューラルネットワークに置き換える。 NEMA IECファントムデータを用いたPETシステムの性能評価を行った。
  論文  参考訳（メタデータ） (2026-01-25T22:41:50Z)
• Accelerating 3D Photoacoustic Computed Tomography with End-to-End Physics-Aware Neural Operators [74.65171736966131]
  光音響計算トモグラフィ(PACT)は、光コントラストと超音波分解能を組み合わせることで、光拡散限界を超える深部像を実現する。 現在の実装では、高密度トランスデューサアレイと長い取得時間を必要とし、臨床翻訳を制限している。 本研究では,センサ計測からボリューム再構成まで,逆音響マッピングを直接学習する物理認識モデルであるPanoを紹介する。
  論文  参考訳（メタデータ） (2025-09-11T23:12:55Z)
• Parameter Efficient Fine Tuning for Multi-scanner PET to PET Reconstruction [3.74142789780782]
  潜在能力に感銘を受ける。 PEFT (Efficient Fine-Tuning, PEFT) は, PEFTを有効活用して限られたデータを改善することを目的としている。 本稿ではPETITEについて紹介する。 MultI-Scanner PET と PET Reconstruction の効率的なファインチューニングは、パラメータの1%未満を使用する。
  論文  参考訳（メタデータ） (2024-07-10T10:12:26Z)
• Diffusion Transformer Model With Compact Prior for Low-dose PET Reconstruction [7.320877150436869]
  低線量PET画像の再構成品質を高めるために,JCP(Joint compact prior)により導かれる拡散変圧器モデルを提案する。 DTMは拡散モデルの強力な分布マッピング能力と変圧器の容量を組み合わせて長距離依存を捉える。 本手法は放射線曝露リスクを軽減するだけでなく,早期診断や患者管理のためのPETイメージングツールも提供する。
  論文  参考訳（メタデータ） (2024-07-01T03:54:43Z)
• Rotational Augmented Noise2Inverse for Low-dose Computed Tomography Reconstruction [83.73429628413773]
  改良された深層学習手法は、画像のノイズを除去する能力を示しているが、正確な地上の真実を必要とする。 畳み込みニューラルネットワーク(CNN)のトレーニングに基礎的真理を必要としないLDCTのための新しい自己教師型フレームワークを提案する。 数値および実験結果から,Sparse View を用いた N2I の再構成精度は低下しており,提案手法は異なる範囲のサンプリング角度で画像品質を向上する。
  論文  参考訳（メタデータ） (2023-12-19T22:40:51Z)
• 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)
• Self-Supervised Pre-Training for Deep Image Prior-Based Robust PET Image Denoising [0.5999777817331317]
  ポジトロン・エミッション・トモグラフィ(PET)画像修復にDeep Image prior (DIP) が有効である。 DIPに基づくPET画像復調性能を改善するための自己教師付き事前学習モデルを提案する。
  論文  参考訳（メタデータ） (2023-02-27T06:55:00Z)
• Negligible effect of brain MRI data preprocessing for tumor segmentation [36.89606202543839]
  我々は3つの公開データセットの実験を行い、ディープニューラルネットワークにおける異なる前処理ステップの効果を評価する。 その結果、最も一般的な標準化手順は、ネットワーク性能に何の価値も与えないことが示されている。 画像の規格化に伴う信号分散の低減のため,画像強度正規化手法はモデル精度に寄与しない。
  論文  参考訳（メタデータ） (2022-04-11T17:29:36Z)
• 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。