論文の概要: Splat-based Metal Artifact Reduction in Cone-Beam CT via Polychromatic Modeling

• arxiv url: http://arxiv.org/abs/2608.13159v1
• Date: Thu, 13 Aug 2026 12:25:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-14 18:29:38.516088
• Title: Splat-based Metal Artifact Reduction in Cone-Beam CT via Polychromatic Modeling
• Title（参考訳）: マルチクロマトグラフィーによるコーンビームCTのスプラットによる金属アーチファクト低減
• Abstract要約: コーンビームCT(CBCT)はX線プロジェクションからの容積再構成を可能にするが、重篤なアーティファクトに悩まされる。 これらのアーティファクトは、X線の多色性から生じており、従来の単色再構成アルゴリズムでは適切に対処されていない。 本研究では, 3次元CBCTボリュームを効率よく再構成し, ビーム硬化物を補正する, 物理に着想を得た自己校正型金属人工物還元法を提案する。
• 参考スコア（独自算出の注目度）: 20.20799007791201
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cone-beam computed tomography (CBCT) enables volumetric reconstruction from X-ray projections, but suffers from severe artifacts--especially beam hardening--when imaging materials with high attenuation such as metals. These artifacts arise from the polychromatic nature of X-rays and are not properly addressed by conventional monochromatic reconstruction algorithms. While recent neural representation-based methods offer improved reconstruction quality, they are computationally expensive and often impractical for deployment. We propose a novel physics-inspired, self-calibrating metal artifact reduction method that efficiently reconstructs 3D CBCT volumes while correcting beam hardening artifacts. Our method integrates a polychromatic X-ray projection model, material-dependent attenuation profiles, and system response modeling into a Gaussian Splatting framework. Unlike prior work, we eliminate the need for manual metal masks or strong prior assumptions, and we optimize both reconstruction parameters and X-ray spectral characteristics jointly during training. We further introduce a high-fidelity synthetic CBCT dataset generation pipeline validated on Monte-Carlo x-ray simulation toolbox and release new datasets with severe metal-induced artifacts to support the community. This is the first splat-based method for reducing beam hardening in CBCT. Extensive experiments on both synthetic and real-world datasets demonstrate that our method outperforms state-of-the-art approaches in artifact suppression and reconstruction accuracy.
• Abstract（参考訳）: コーンビームCT(CBCT)はX線プロジェクションからの体積再構成を可能にするが、特にビーム硬化(金属などの高減衰の撮像材料)に苦しむ。 これらのアーティファクトは、X線の多色性から生じており、従来の単色再構成アルゴリズムでは適切に対処されていない。 最近のニューラル表現に基づく手法は、再構築品質の改善を提供するが、計算コストが高く、しばしばデプロイには実用的ではない。 本研究では, 3次元CBCTボリュームを効率よく再構成し, ビーム硬化物を補正する, 物理に着想を得た自己校正型金属人工物還元法を提案する。 提案手法は,多色X線投影モデル,材料依存減衰プロファイル,およびシステム応答モデリングをガウススティングフレームワークに統合する。 従来の作業とは違って,手動のメタルマスクや強い事前仮定の必要性を排除し,トレーニング中に共同で再現パラメータとX線スペクトル特性を最適化する。 さらに、モンテカルロX線シミュレーションツールボックス上で検証された高忠実なCBCTデータセット生成パイプラインを導入し、コミュニティを支援するために、金属による重度アーティファクトを用いた新しいデータセットをリリースする。 これはCBCTにおけるビーム硬化を低減させる最初のスプラット法である。 人工的および実世界の両方のデータセットに対する大規模な実験により、我々の手法はアーティファクトの抑圧と復元の精度において最先端のアプローチよりも優れていることが示された。

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)
• 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)
• A Fast, Scalable, and Robust Deep Learning-based Iterative Reconstruction Framework for Accelerated Industrial Cone-beam X-ray Computed Tomography [5.104810959579395]
  コーンビームX線CT(XCT)と大型検出器とそれに対応する大規模3次元再構成は,様々な産業における材料や部品のミクロンスケールのキャラクタリゼーションにおいて重要な役割を担っている。 本稿では, 自動正規化パラメータ選択を伴う先行モデルとして, アーティファクト縮小学習CNNを組み込んだ, ディープニューラルネットワークに基づく反復アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-01-21T19:34:01Z)
• Unsupervised Multi-Parameter Inverse Solving for Reducing Ring Artifacts in 3D X-Ray CBCT [51.95884144860506]
  3次元コーンビームCT(CBCT)におけるリングアーティファクトの意義 既存のSOTA(State-of-the-art)リングアーティファクトリダクション(RAR)法は、大規模なペアCTデータセット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RAR手法であるRinerを提案する。
  論文  参考訳（メタデータ） (2024-12-08T08:22:58Z)
• 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 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)

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。