論文の概要: Toward CT-Equivalent Image Quality in Low-Dose Radiotherapy Planning: Conditional Diffusion-Based CBCT-to-CT Synthesis and the Impact of CBCT Input Representation
- arxiv url: http://arxiv.org/abs/2608.08919v1
- Date: Sun, 09 Aug 2026 21:15:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-11 19:16:36.994013
- Title: Toward CT-Equivalent Image Quality in Low-Dose Radiotherapy Planning: Conditional Diffusion-Based CBCT-to-CT Synthesis and the Impact of CBCT Input Representation
- Title（参考訳）: 低線量放射線治療計画におけるCT等価画像品質に向けて:条件拡散に基づくCBCT-to-CT合成とCBCT入力表現の影響
- Abstract要約: 本研究では,条件付き denoising diffusion probabilistic model (DDPM) を用いた教師付き深層学習に基づくCBCT-CT合成フレームワークを開発した。
本研究の目的は,標準臨床用DICOM CBCT画像とフィルタバックプロジェクション(FDK)再構成のCBCT入力データの表現が拡散型CT合成の性能に与える影響を検討することである。
- 参考スコア（独自算出の注目度）: 38.63556138902222
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: During standard radiotherapy planning, repeated CT acquisitions are often required for patient registration, verification, and adaptive planning, resulting in increased cumulative X-ray dose. To mitigate this, low-dose cone-beam CT (CBCT) is routinely acquired during treatment delivery. However, CBCT image quality remains insufficient for accurate dose calculation and adaptive radiotherapy planning due to increased scatter, noise, beam hardening, and reconstruction related artifacts. This study develops a supervised deep learning based CBCT to CT synthesis framework using a conditional denoising diffusion probabilistic model (DDPM), where the generation of a CT-based planning for accurate positioning and dose calculation is obtained using generative models with low dose CBCT imaging. Beyond demonstrating CBCT to CT synthesis, the primary objective is to investigate how the representation of CBCT input data, either standard clinical DICOM CBCT images or filtered back-projection (FDK) reconstructions from raw projection data, affects the performance of diffusion based CT synthesis. The overarching aim is to assess whether physics aware CBCT representations better support CT-equivalent image quality while maintaining reduced imaging dose in radiotherapy workflows.
- Abstract（参考訳）: 標準的な放射線治療計画では、患者の登録、検証、適応計画に反復的なCT取得が必要であり、結果として累積的なX線量が増える。
これを緩和するために、低用量コーンビームCT(CBCT)が治療デリバリー中に日常的に取得される。
しかし, CBCT画像の品質は, 散乱, ノイズ, ビーム硬化, 再構成関連アーティファクトの増大により, 正確な線量計算と適応放射線治療計画に不十分なままである。
低線量CBCTイメージングを用いた生成モデルを用いて,CTを用いた正確な位置推定と線量計算のためのCTベースの計画生成を行う条件付き denoising diffusion probabilistic Model (DDPM) を用いて,教師付き深層学習に基づくCBCTからCT合成フレームワークを開発した。
CBCTをCT合成に応用することに加えて,標準臨床用DICOM CBCT画像や原投影データからのフィルタバックプロジェクション(FDK)再構成などのCBCT入力データの表現が拡散型CT合成の性能に与える影響について検討することを目的とする。
本研究の目的は,放射線治療ワークフローにおける画像量削減を維持しつつ,物理認識CBCT表現がCTと同等の画像品質を向上するか否かを評価することである。
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) - Neural Discrete Representation Learning for Sparse-View CBCT Reconstruction: From Algorithm Design to Prospective Multicenter Clinical Evaluation [64.42236775544579]
コーンビームCT(CBCT)ガイド下穿刺は胸部腫瘍の診断・治療に確立されたアプローチとなっている。
DeepPriorCBCTは3段階のディープラーニングフレームワークであり、従来の放射線線量の6分の1しか使用せずに診断段階の再構築を実現する。
論文 参考訳（メタデータ） (2025-11-30T12:45:02Z) - 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) - Enhancing Synthetic CT from CBCT via Multimodal Fusion and End-To-End Registration [0.19999259391104385]
Cone-Beam Computed Tomography (CBCT) は術中画像撮影に広く用いられている。
CBCT画像は、通常、CT(Computed Tomography)と比較して、アーティファクトと画質の低下に悩まされる。
論文 参考訳（メタデータ） (2025-07-08T15:10:04Z) - ARTInp: CBCT-to-CT Image Inpainting and Image Translation in Radiotherapy [1.70645147263353]
ARTInpは画像インペイントとCBCT-to-CT翻訳を組み合わせた新しいディープラーニングフレームワークである。
ARTInpをSynthRad 2023チャレンジのCBCTとCTのペア画像のデータセットでトレーニングした。
論文 参考訳（メタデータ） (2025-02-07T13:04:25Z) - Synthetic CT image generation from CBCT: A Systematic Review [44.01505745127782]
深層学習法を用いたコーンビームCT(CBCT)データから合成CT(sCT)画像を生成することは,放射線腫瘍学における重要な進歩である。
sCT 生成における深層学習アプローチの頻度を明らかにするため,35 件の関連研究を同定,解析した。
論文 参考訳（メタデータ） (2025-01-22T13:54:07Z) - Improving Cone-Beam CT Image Quality with Knowledge Distillation-Enhanced Diffusion Model in Imbalanced Data Settings [6.157230849293829]
毎日のコーンビームCT(CBCT)画像は、治療調整の要点であり、組織密度の精度が低い。
治療中のCBCTデータを最大化し, 疎対ファンビームCTで補完した。
本手法はRTにおけるCBCTスキャンから高画質CT画像を生成する上で有望であることを示す。
論文 参考訳（メタデータ） (2024-09-19T07:56:06Z) - A multi-channel cycleGAN for CBCT to CT synthesis [0.0]
画像合成は、on-treatment cone-beam CT(CBCTs)から合成CTを生成するために使用される
本研究はCBCT-to-sCT合成という2つ目の課題に焦点をあてる。
画像の特徴を強調するためにマルチチャネル入力を活用することで,CBCT画像に固有の課題を効果的に解決する。
論文 参考訳（メタデータ） (2023-12-04T16:40:53Z) - Geometry-Aware Attenuation Learning for Sparse-View CBCT Reconstruction [53.93674177236367]
Cone Beam Computed Tomography (CBCT) は臨床画像撮影において重要な役割を担っている。
従来の方法では、高品質な3D CBCT画像の再構成には数百の2次元X線投影が必要である。
これにより、放射線線量を減らすため、スパースビューCBCT再構成への関心が高まっている。
本稿では,この問題を解決するために,新しい幾何対応エンコーダデコーダフレームワークを提案する。
論文 参考訳（メタデータ） (2023-03-26T14:38:42Z) - 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。