論文の概要: VLM- and LLM-Driven Multi-Agent System for PET Image Denoising

• arxiv url: http://arxiv.org/abs/2608.13791v1
• Date: Thu, 13 Aug 2026 21:50:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-17 20:14:29.215745
• Title: VLM- and LLM-Driven Multi-Agent System for PET Image Denoising
• Title（参考訳）: PET画像復調のためのVLMおよびLCM駆動マルチエージェントシステム
• Abstract要約: 深層学習に基づくdenoising法は,PET画像の品質向上に強い可能性を示している。 本フレームワークは画像の品質と病変の状態を評価し,最適解法モデルとパラメータを自律的に選択し,ロールバック機構によるクローズループフィードバックを実現する。 予備的な結果は,PETデノゲーション戦略を異なる画像条件に適応させるために,クローズドループ・マルチエージェント・フレームワークを使用することの可能性を示している。
• 参考スコア（独自算出の注目度）: 13.0268376872777
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Positron emission tomography (PET) imaging suffers from limited spatial resolution and low signal-to-noise ratio, which can compromise quantitative accuracy and lesion detectability. Deep learning-based denoising methods have demonstrated strong potential for improving PET image quality. However, their practical deployment in real-world settings remains challenging, often requiring multiple specialized models and expert interventions, such as identifying motion-induced misregistration artifacts, estimating noise levels to select an appropriate denoiser, and performing lesion-focused quantitative assessment after denoising. Recent advances in vision-language models (VLMs) for image quality understanding and large language models (LLMs) for contextual reasoning provide new opportunities for automated, decision-driven workflows. Inspired by expert workflows for PET image quality enhancement, we propose an VLM- and LLM-driven multi-agent PET denoising framework that dynamically assesses image quality and lesion status, autonomously selects optimal denoising models and parameters, and enables closed-loop feedback with rollback mechanisms. Experiments were conducted on Siemens Biograph Vision Quadra PET/CT data with 1/20 and 1/50 low-dose settings. Individual module evaluations demonstrated the reliability of the agentic components, while the complete framework achieved higher PSNR and SSIM than UNet, GAN, and DDPM baselines at both dose levels. These preliminary results demonstrate the feasibility of using a closed-loop multi-agent framework to adapt PET denoising strategies to different image conditions.
• Abstract（参考訳）: ポジトロン・エミッション・トモグラフィ(PET)イメージングは空間分解能の制限と低信号-雑音比に悩まされており、定量精度と病変検出性を損なう可能性がある。 深層学習に基づく denoising 法はPET画像の品質向上に強い可能性を示している。 しかし、実際の環境での実践的な展開は困難であり、しばしば複数の専門モデルや専門家による介入を必要としている。 画像品質理解のための視覚言語モデル(VLM)と文脈推論のための大規模言語モデル(LLM)の最近の進歩は、自動化された意思決定駆動ワークフローの新しい機会を提供する。 PET画像品質向上のための専門家ワークフローに着想を得て,画像品質と病変の状態を動的に評価し,最適な復調モデルとパラメータを自律的に選択し,ロールバック機構によるクローズループフィードバックを可能にする,VLMおよびLLM駆動のマルチエージェントPET復調フレームワークを提案する。 Siemens Biograph Vision Quadra PET/CTデータを用いた1/20と1/50の低線量設定実験を行った。 個々のモジュール評価では, エージェント成分の信頼性が示されたが, 完全なフレームワークは, UNet, GAN, DDPMベースラインよりも高いPSNRおよびSSIMを両線量レベルで達成した。 これらの予備的な結果は,PETデノゲーション戦略を異なる画像条件に適応させるために,クローズドループ・マルチエージェント・フレームワークを使用することの可能性を示している。

関連論文リスト

• Text controllable PET denoising [0.196629787330046]
  そこで本研究では,PET画像を単一モデル内で幅広いカウントレベルにわたって拡張できる新しいテキスト誘導型復調法を提案する。 実験結果から,提案モデルが定性評価と定量的評価の両方において有意な改善をもたらすことが示された。
  論文  参考訳（メタデータ） (2026-01-28T19:41:41Z)
• One-Step Diffusion-based Real-World Image Super-Resolution with Visual Perception Distillation [53.24542646616045]
  画像超解像(SR)生成に特化して設計された新しい視覚知覚拡散蒸留フレームワークであるVPD-SRを提案する。 VPD-SRは2つのコンポーネントから構成される: 明示的セマンティック・アウェア・スーパービジョン(ESS)と高周波知覚(HFP)損失。 提案したVPD-SRは,従来の最先端手法と教師モデルの両方と比較して,たった1ステップのサンプリングで優れた性能が得られる。
  論文  参考訳（メタデータ） (2025-06-03T08:28:13Z)
• Adaptive Whole-Body PET Image Denoising Using 3D Diffusion Models with ControlNet [3.83243615095535]
  近年の深層学習に基づく denoising 手法は,臨床環境の多様性に適応する上で課題に直面している。 全身PET画像のための新しい3Dコントロールネットを用いたデノライズ手法を提案する。
  論文  参考訳（メタデータ） (2024-11-08T03:06:47Z)
• A Unified Model for Compressed Sensing MRI Across Undersampling Patterns [69.19631302047569]
  様々な計測アンサンプパターンと画像解像度に頑健な統合MRI再構成モデルを提案する。 我々のモデルは、拡散法よりも600$times$高速な推論で、最先端CNN(End-to-End VarNet)の4dBでSSIMを11%改善し、PSNRを4dB改善する。
  論文  参考訳（メタデータ） (2024-10-05T20:03:57Z)
• Volumetric Conditional Score-based Residual Diffusion Model for PET/MR Denoising [13.694516702501097]
  PETイメージングは、分子および生理過程の定量的評価を提供する強力なモダリティである。 PET画像における内在性高ノイズレベルからPET脱ノイズの必要性が生じる。 条件スコアに基づくResidual Diffusion(CSRD)モデルでは,高精細なスコア関数と3Dパッチワイドトレーニング戦略を取り入れることで,これらの問題に対処する。
  論文  参考訳（メタデータ） (2024-09-30T19:35:22Z)
• Diffusion Model Based Visual Compensation Guidance and Visual Difference Analysis for No-Reference Image Quality Assessment [78.21609845377644]
  本稿では, 複雑な関係をモデル化する能力を示す, 最先端(SOTA)生成モデルを提案する。 生成した拡張画像とノイズを含む画像を利用する新しい拡散復元ネットワークを考案する。 2つの視覚評価枝は、得られた高レベル特徴情報を包括的に解析するように設計されている。
  論文  参考訳（メタデータ） (2024-02-22T09:39:46Z)
• 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)
• On Sensitivity and Robustness of Normalization Schemes to Input Distribution Shifts in Automatic MR Image Diagnosis [58.634791552376235]
  深層学習(DL)モデルは、再構成画像を入力として、複数の疾患の診断において最先端のパフォーマンスを達成した。 DLモデルは、トレーニングとテストフェーズ間の入力データ分布の変化につながるため、さまざまなアーティファクトに敏感である。 本稿では,グループ正規化やレイヤ正規化といった他の正規化手法を用いて,画像のさまざまなアーチファクトに対して,モデル性能にロバスト性を注入することを提案する。
  論文  参考訳（メタデータ） (2023-06-23T03:09:03Z)
• Advancing Unsupervised Low-light Image Enhancement: Noise Estimation, Illumination Interpolation, and Self-Regulation [55.07472635587852]
  低光画像強調(LLIE)技術は、画像の詳細の保存とコントラストの強化に顕著な進歩をもたらした。 これらのアプローチは、動的ノイズを効率的に緩和し、様々な低照度シナリオを収容する上で、永続的な課題に直面する。 まず,低照度画像の雑音レベルを迅速かつ高精度に推定する方法を提案する。 次に、照明と入力の一般的な制約を満たすために、Learningable Illumination Interpolator (LII) を考案する。
  論文  参考訳（メタデータ） (2023-05-17T13:56:48Z)
• 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)
• PET image denoising based on denoising diffusion probabilistic models [8.522330369430282]
  DDPMは分布学習に基づくモデルであり、正規分布を特定のデータ分布に変換する。 120個の18F-FDGデータセットと140個の18F-MK-6240データセットを用いて提案手法の評価を行った。 モデルに追加のMRを追加することで、より良いパフォーマンスを実現し、画像デノイング時の不確実性をさらに低減できる。
  論文  参考訳（メタデータ） (2022-09-13T17:13:44Z)
• Physics-based Noise Modeling for Extreme Low-light Photography [63.65570751728917]
  CMOS光センサの撮像パイプラインにおけるノイズ統計について検討する。 実雑音構造を正確に特徴付けることのできる包括的ノイズモデルを定式化する。 我々のノイズモデルは、学習に基づく低照度復調アルゴリズムのためのリアルなトレーニングデータを合成するのに利用できる。
  論文  参考訳（メタデータ） (2021-08-04T16:36:29Z)
• Variational Denoising Network: Toward Blind Noise Modeling and Removal [59.36166491196973]
  ブラインド画像のデノイングはコンピュータビジョンにおいて重要な問題であるが、非常に難しい問題である。 本稿では,ノイズ推定と画像デノーミングを併用した新しい変分推論手法を提案する。
  論文  参考訳（メタデータ） (2019-08-29T15:54:06Z)

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。