論文の概要: Differentiable Jitter Correction using Deep Learning-based Image Quality Metric for Phase-Contrast Micro-CT

• arxiv url: http://arxiv.org/abs/2608.27034v1
• Date: Thu, 27 Aug 2026 12:22:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-28 16:30:58.397187
• Title: Differentiable Jitter Correction using Deep Learning-based Image Quality Metric for Phase-Contrast Micro-CT
• Title（参考訳）: 位相コントラストマイクロCTのための深層学習に基づく画像品質指標を用いたジッタ補正
• Abstract要約: 本稿では,X線位相コントラストマイクロCTのためのジッタ補正法を提案する。 取得した投影データから直接、投射ごとの剛体ジッタを推定し、補償するディープラーニングベースの画像品質指標を使用する。 集積パイプラインはジッタによって失われた微細構造の詳細を確実に回収し、形態学的に異なるサンプル間で一般化を実証した。
• 参考スコア（独自算出の注目度）: 1.5163040007517543
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: This paper proposes a fully differentiable jitter correction method for X-ray phase-contrast micro computed tomography using a deep learning-based image quality metric that estimates and compensates per-projection rigid jitter directly from the acquired projection data, without a pre-scan motion-free reference. The approach builds on a gradient-based auto-focus strategy adapted to parallel-beam geometry. A set of candidate objective functions is benchmarked in a controlled study, and the sensitivity of the visual information fidelity (VIF) metric to the jitter artifact is verified with the target phase-contrast data. To operate without a clean reference, a compact 3D convolutional neural network is trained to predict the VIF score from a single corrupted volume. A spatially selective total variation penalty applied exclusively to the image background is introduced to penalize spurious high-frequency structures that otherwise emerge during optimization. Experiments on biological specimens acquired at different synchrotron beamlines are conducted. Evaluation uses jitter motion applied to simulated and experimentally acquired projection data. The result confirms that the integrated pipeline reliably recovers fine structural detail lost due to jitter, with generalization demonstrated across morphologically distinct samples.
• Abstract（参考訳）: 本稿では,X線位相コントラストマイクロコントラストトモグラフィーのための完全微分可能ジッタ補正手法を提案する。 このアプローチは、並列ビーム幾何学に適応した勾配に基づくオートフォーカス戦略に基づいている。 制御された研究において、対象対象関数のセットをベンチマークし、ジッタアーティファクトに対する視覚情報忠実度(VIF)メトリックの感度を目標位相コントラストデータで検証する。 クリーンな参照なしに動作するために、コンパクトな3D畳み込みニューラルネットワークをトレーニングし、単一の破損ボリュームからVIFスコアを予測する。 画像背景のみに適用される空間選択的全変量ペナルティを導入し、最適化中に発生する急激な高周波構造をペナルティ化する。 異なる放射光線で得られた生体試料の実験を行った。 シミュレーションおよび実験的に得られた投影データにジッタ運動を適用して評価する。 その結果, 集積パイプラインは, ジッタにより失われる微細構造の詳細を確実に回収し, 形態学的に異なる試料間での一般化を実証した。

関連論文リスト

• LUCID: Learned Undersampling-Adaptive Consistency-Guided Inference with Deterministic Flow Matching for Sparse-View CT Reconstruction [6.182438051513934]
  スパースビューCTはプロジェクションビューを減らすことで放射線線量と走査時間を短縮する。 角のアンダーサンプリングは、復元がひどく悪化し、ストリークアーティファクト、構造的なぼやけ、細部が失われる。 スパース・ビューCTに先立って,フローマッチング生成に基づく疎結合型一貫性誘導型再構成フレームワークであるLucidを提案する。
  論文  参考訳（メタデータ） (2026-06-15T04:38:30Z)
• Particle Diffusion Matching: Random Walk Correspondence Search for the Alignment of Standard and Ultra-Widefield Fundus Images [47.944896477309555]
  標準ファンドス画像(SFI)とウルトラウェードフィールドファンドス画像(UWFI)のためのロバストアライメント手法を提案する。 本手法は粒子拡散マッチング (Particle Diffusion Matching, PDM) と呼ばれ, 拡散モデルにより誘導される反復ランダムウォーク対応探索 (RWCS) を通してアライメントを行う。 PDMは複数の網膜画像アライメントベンチマークで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-04-11T08:09:53Z)
• A Learning-based Framework for Spatial Impulse Response Compensation in 3D Photoacoustic Computed Tomography [39.51282605457274]
  光音響計算トモグラフィ(PACT)は、光学コントラストと超音波検出を組み合わせた将来的な画像モダリティである。 トランスデューサの空間インパルス応答(SIR)は、再構成画像の空間分解能を損なうことができる。 本研究では,データ領域で動作する学習型SIR補償手法を確立するためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-28T06:18:20Z)
• Fast reconstruction-based ROI triggering via anomaly detection in the CYGNO optical TPC [0.0]
  高速な関心領域抽出のための教師なし・再構成に基づく異常検出戦略を提案する。 学習目的のみが異なる2つの台座学習オートエンコーダ構成を比較した。 最良の構成は、画像領域を破棄する(97.8 +/-0.1)%で再構成された信号強度の(93.0 +/-0.2)%を保持し、コンシューマGPUでは1フレームあたり約25msである。
  論文  参考訳（メタデータ） (2025-12-30T15:28:18Z)
• Generalizable Holographic Reconstruction via Amplitude-Only Diffusion Priors [48.96607421052462]
  インラインホログラフィーにおける位相検索は、コヒーレントイメージングにおける振幅と位相の非線形結合に起因する基本的な不適切な逆問題である。 本稿では,物体振幅のみを訓練した拡散モデルを用いて,回折強度から振幅と位相の両方を復元する手法を提案する。
  論文  参考訳（メタデータ） (2025-09-16T06:36:08Z)
• InJecteD: Analyzing Trajectories and Drift Dynamics in Denoising Diffusion Probabilistic Models for 2D Point Cloud Generation [48.55037712252843]
  InJecteDは拡散確率モデル(DDPM)を解釈するフレームワーク このフレームワークをDatasaurus Dozen bullseye, dino, circleの3つのデータセットに適用する。 提案手法は, 変位, 速度, クラスタリング, ドリフト場力学などの軌道特性を定量的に評価する。
  論文  参考訳（メタデータ） (2025-09-09T14:53:19Z)
• Foreground-aware Virtual Staining for Accurate 3D Cell Morphological Profiling [44.74519211679785]
  スポットライト(Spotlight)は、モデルが関連する細胞構造に焦点を合わせるための仮想染色手法である。 Spotlightはピクセルレベルの精度を維持しながら形態表現を改善し、セグメント化やプロファイリングといった下流タスクに適した仮想染色を実現する。
  論文  参考訳（メタデータ） (2025-07-07T18:11:56Z)
• Continuous Filtered Backprojection by Learnable Interpolation Network [48.52134830162271]
  本研究では,Leanable-Interpolation-based FBP (LInFBP) と呼ばれる新しいディープラーニングモデルを提案する。 提案した LInFBP では,選択した基底関数の線形結合として,離散シングラムデータの潜伏連続関数の局所部分をすべて定式化する。 次に、学習した潜伏連続関数をバックプロジェクションステップに利用し、FBPの深層学習を初めて活用する。
  論文  参考訳（メタデータ） (2025-05-03T09:50:27Z)
• Image Quality Assessment: Enhancing Perceptual Exploration and Interpretation with Collaborative Feature Refinement and Hausdorff distance [47.01352278293561]
  現在のフルリファレンス画像品質評価(FR-IQA)手法は、しばしば参照画像と歪み画像とを融合させる。 本研究では,人間の視覚システムと協調して画像品質を正確に予測するFR-IQA法を提案する。
  論文  参考訳（メタデータ） (2024-12-20T12:39:49Z)
• GDCNet: Calibrationless geometric distortion correction of echo planar imaging data using deep learning [0.1398098625978622]
  この研究はGDCNetと呼ばれる新しいアプローチを実装し、T1重み付き解剖画像への非線形登録により幾何学的歪みマップを推定する。 GDCNetモデルは、予測データセットのTOPUPよりも14倍高速な処理速度を達成した。
  論文  参考訳（メタデータ） (2024-02-29T00:42:33Z)
• PtychoDV: Vision Transformer-Based Deep Unrolling Network for Ptychographic Image Reconstruction [12.780951605821238]
  PtychoDVは、効率的で高品質な画像再構成のために設計された、新しいディープモデルベースのネットワークである。 シミュレーションデータの結果,PtychoDVは既存のディープラーニング手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2023-10-11T14:01:36Z)
• Geometric Constraints Enable Self-Supervised Sinogram Inpainting in Sparse-View Tomography [7.416898042520079]
  スパース角度トモグラフィースキャンは放射線を低減し、データ取得を加速するが、画像のアーチファクトやノイズに悩まされる。 既存の画像処理アルゴリズムはCT再構成の品質を復元することができるが、大きなトレーニングデータセットを必要とする場合が多い。 本研究は、勾配に基づく最適化により、欠落した射影ビューを最適化する自己教師付きプロジェクションインペインティング法を提案する。
  論文  参考訳（メタデータ） (2023-02-13T15:15:18Z)
• Self-Supervised Training with Autoencoders for Visual Anomaly Detection [61.62861063776813]
  我々は, 正規サンプルの分布を低次元多様体で支持する異常検出において, 特定のユースケースに焦点を当てた。 我々は、訓練中に識別情報を活用する自己指導型学習体制に適応するが、通常の例のサブ多様体に焦点をあてる。 製造領域における視覚異常検出のための挑戦的なベンチマークであるMVTec ADデータセットで、最先端の新たな結果を達成する。
  論文  参考訳（メタデータ） (2022-06-23T14:16:30Z)
• RNNPose: Recurrent 6-DoF Object Pose Refinement with Robust Correspondence Field Estimation and Pose Optimization [46.144194562841435]
  本稿では、オブジェクトポーズ改善のためのリカレントニューラルネットワーク(RNN)に基づくフレームワークを提案する。 この問題は、推定対応フィールドに基づいて非線形最小二乗問題として定式化される。 各イテレーションにおいて、対応フィールド推定とポーズ精錬を代替して行い、正確なオブジェクトポーズを復元する。
  論文  参考訳（メタデータ） (2022-03-24T06:24:55Z)

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。