論文の概要: 3D CT-to-PET Translation via Latent Brownian Bridge Diffusion

• arxiv url: http://arxiv.org/abs/2609.12860v1
• Date: Fri, 11 Sep 2026 13:47:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-15 07:38:31.766897
• Title: 3D CT-to-PET Translation via Latent Brownian Bridge Diffusion
• Title（参考訳）: ブラウン橋拡散による3次元CT-PET変換
• Abstract要約: 潜在ブラウン橋拡散(BBDM)に基づく3次元CT-PET変換フレームワークを提案する。 提案手法はPET信号の忠実度を向上し,臨床的に関連のある取り込みパターンを良好に保ち,低分子代謝活性の維持における性能の向上を示す。
• 参考スコア（独自算出の注目度）: 2.013258778704508
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Computed tomography (CT) and positron emission tomography (PET) provide complementary anatomical and functional information for cancer diagnosis and treatment planning. However, the widespread use of PET is limited by high radiation exposure, elevated costs, and restricted availability. To address these limitations, deep learning-based CT-to-PET translation has emerged as a promising approach for synthesizing PET-like information directly from CT images, although accurately modeling the large cross-modal gap remains challenging. In this work, we propose a 3D CT-to-PET translation framework based on latent Brownian Bridge Diffusion (BBDM). The method consists of two stages. First, a Variational Autoencoder (VAE) is trained on paired CT-PET patches, integrating contrastive learning to improve latent alignment between anatomical and metabolic representations. Second, a BBDM is trained in the latent space to translate CT latent representations into their corresponding PET counterparts. The translated PET latents are then decoded and stitched to reconstruct the final 3D PET volume. We evaluate the proposed approach on two publicly available datasets. Quantitative results based on image fidelity and lesion-level PET-specific metrics demonstrate improved performance compared with competing methods. In particular, the proposed approach improves PET signal fidelity, better preserves clinically relevant uptake patterns, and shows improved performance in preserving small-lesion metabolic activation, paving the way for virtual imaging applications.
• Abstract（参考訳）: CT(CT)とPET(PET)は、がんの診断と治療計画のための補完的な解剖学的および機能的な情報を提供する。 しかし、PETの広範使用は高放射線曝露、高コスト化、可用性の制限によって制限されている。 これらの制限に対処するために、ディープラーニングに基づくCT-to-PET翻訳は、CT画像から直接PETライクな情報を合成するための有望なアプローチとして登場した。 本研究では,B Brownian Bridge Diffusion (BBDM) に基づく3次元CT-PET翻訳フレームワークを提案する。 方法は2つの段階からなる。 第一に、変分オートエンコーダ(VAE)は、CT-PETパッチのペアで訓練され、対照的な学習を統合し、解剖学的および代謝的表現間の潜在的アライメントを改善する。 第二に、BBDMは潜伏空間で訓練され、CT潜伏表現を対応するPET表現に変換する。 翻訳されたPET潜伏剤は、最後の3DPET体積を再構成するためにデコードされ、縫合される。 提案手法を2つの公開データセットに対して評価する。 画像の忠実度と病変レベルのPET比測定値に基づく定量的結果は、競合する手法と比較して、性能が向上したことを示している。 特に,提案手法はPET信号の忠実度を向上し,臨床的に関連のある取り込みパターンを良好に保ち,低分子代謝活性化の維持,仮想イメージングへの応用への道を開いた。

関連論文リスト

• A Dual Path Framework with Hotspot Guided Fusion for Three Dimensional CT to PET Synthesis in Head and Neck Cancer [0.0]
  18F-FDG PET/CTは頭頸部癌に対するステージング、治療計画、反応評価において中心的な役割を果たす。 日常的なCTスキャンからPETライクな画像を直接合成するディープ・ラーニング・フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-07-23T20:33:50Z)
• 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)
• PHASOR: Anatomy- and Phase-Consistent Volumetric Diffusion for CT Virtual Contrast Enhancement [60.81732730684265]
  本稿では,高忠実度仮想コントラスト拡張(VCE)のための体積拡散フレームワークPHASORを紹介する。 我々は、CTボリュームをコヒーレントシーケンスとして扱うことにより、ビデオ拡散モデルを利用して、構造的コヒーレンスとボリューム精度を向上させる。 まず, 解剖学的意味論に固有の拡張パターンを固定し, 臓器特異的なメモリを付加して, より詳細な情報を収集する。 第二に、インテンシティ・フェイズ・アウェアメント・アライメント・アライメント(IP-REPA)は、不完全な空間アライメントの影響を緩和しつつ、複雑なコントラスト信号を強調する。
  論文  参考訳（メタデータ） (2026-04-01T15:57:18Z)
• Unveiling and Bridging the Functional Perception Gap in MLLMs: Atomic Visual Alignment and Hierarchical Evaluation via PET-Bench [48.60251555171943]
  MLLM(Multimodal Large Language Models)は、異常検出や解剖学的モダリティのレポート生成などのタスクにおいて、顕著な熟練性を示した。 本研究では, 機能的トレーサの生体分布を, 形態的先行性とは無関係に復号化できない現状の視覚エンコーダについて, 基本的な機能的知覚ギャップを定量化する。 PET-Benchは52,308個の階層型QAペアからなるPET-Benchの最初の大規模機能評価ベンチマークである。 AVAは認知ギャップを効果的に橋渡しし、CoTを幻覚源から頑健な推論ツールに変換し、診断を改善していることを示す。
  論文  参考訳（メタデータ） (2026-01-06T05:58:50Z)
• Vision-Language Models for Automated 3D PET/CT Report Generation [13.781844347232079]
  自己PET/CTレポート生成は, 臨床負荷軽減にますます重要である。 PETRG-3Dは、PETとCTのボリュームをエンコードし、スタイル適応プロンプトを組み込んだエンドツーエンドの3Dデュアルブランチフレームワークである。 PETRG-Score(PETRG-Score)は、悪性リンパ腫に特異的な評価プロトコルである。
  論文  参考訳（メタデータ） (2025-11-25T10:07:57Z)
• Supervised Diffusion-Model-Based PET Image Reconstruction [44.89560992517543]
  PET画像再構成の前兆として拡散モデル (DM) が導入された。 PET再構成のための教師付きDMベースアルゴリズムを提案する。 本手法はPETのポアソン確率モデルの非負性性を強制し,PET画像の広い範囲に適応する。
  論文  参考訳（メタデータ） (2025-06-30T16:39:50Z)
• Personalized MR-Informed Diffusion Models for 3D PET Image Reconstruction [40.722159771726375]
  本稿では,PET-MR スキャンのデータセットから対象特異的なPET画像を生成するための簡易な手法を提案する。 私たちが合成した画像は、被験者のMRスキャンからの情報を保持し、高分解能と解剖学的特徴の保持につながる。 18ドルF]FDGデータセットのシミュレーションと実データを用いて,対象特異的な「擬似PET」画像を用いたパーソナライズされた拡散モデルの事前学習により,低カウントデータによる再構成精度が向上することを示す。
  論文  参考訳（メタデータ） (2025-06-04T10:24:14Z)
• Efficient Parameter Adaptation for Multi-Modal Medical Image Segmentation and Prognosis [4.5445892770974154]
  変圧器ベースセグメンテーションモデルの軽量アップグレードのためのパラメータ効率・マルチモーダル適応(PEMMA)フレームワークを提案する。 本手法は初期核融合に匹敵する性能を示すが、トレーニング可能なパラメータの8%しか持たず、単一モードで訓練した場合のPETスキャンにおけるDiceスコアが28%向上したことを示す。
  論文  参考訳（メタデータ） (2025-04-18T11:52:21Z)
• End-to-end Triple-domain PET Enhancement: A Hybrid Denoising-and-reconstruction Framework for Reconstructing Standard-dose PET Images from Low-dose PET Sinograms [43.13562515963306]
  低線量PETシングラムから標準線量PET画像の再構成を行うために,TripleTフレームワークを提案する。 提案したTriPLETは,最先端の手法と比較して,SPET画像と実データとの類似性と信号対雑音比が最も高い再構成を行うことができる。
  論文  参考訳（メタデータ） (2024-12-04T14:47:27Z)
• CT to PET Translation: A Large-scale Dataset and Domain-Knowledge-Guided Diffusion Approach [4.4202829112545015]
  PET(Positron Emission Tomography)とCT(Computed Tomography)は、様々な疾患、特にがんの診断、ステージング、モニタリングに不可欠である。 その重要性にもかかわらず、PET/CTシステムの使用は、放射性物質の必要性、PETスキャナーの不足、PETイメージングに関連する高コストによって制限されている。 これらの課題に対して,CT画像からPET画像を生成するという課題に対処し,医療検査コストと患者の健康リスクの両面で低減することを目的とした。
  論文  参考訳（メタデータ） (2024-10-29T10:48:52Z)
• 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)

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。