論文の概要: Geometry-anchored PET-aware multimodal pseudo-CT synthesis for whole-body attenuation correction: the BIC-MAC Challenge
- arxiv url: http://arxiv.org/abs/2609.27848v1
- Date: Wed, 19 Aug 2026 16:27:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 05:09:55.992417
- Title: Geometry-anchored PET-aware multimodal pseudo-CT synthesis for whole-body attenuation correction: the BIC-MAC Challenge
- Title（参考訳）: 全身減衰補正のためのPET-Aware Multimodal pseudo-CT合成法:BIC-MAC Challenge
- Abstract要約: BIC-MACチャレンジは、NAC-PET、Dixon MRI、CTのないPET減衰補正のための2Dトポグラフィーから全身の擬似CT合成をターゲットにしている。
我々は,NAC-PETを空間参照として用い,ゲート残差融合によるトポグラムとMRIの特徴を取り入れた幾何アンコール型マルチモーダルフレームワークGeoPACTを提案する。
- 参考スコア（独自算出の注目度）: 1.4272396412229078
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The BIC-MAC challenge targets whole-body pseudo-CT synthesis from NAC-PET, Dixon MRI, and a 2D topogram for CT-less PET attenuation correction. We propose GeoPACT, a geometry-anchored multimodal framework that uses NAC-PET as the spatial reference and incorporates topogram and MRI features through gated residual fusion. Absolute coordinates and whole-body conditioning support anatomically consistent patch-based prediction. Training combines attenuation-map supervision with a differentiable PET-response surrogate to reduce errors relevant to downstream PET reconstruction. Full-resolution pseudo-CT volumes are generated using sliding-window inference without requiring CT or PET labels at test time.
- Abstract（参考訳）: BIC-MACチャレンジは、NAC-PET、Dixon MRI、CTのないPET減衰補正のための2Dトポグラフィーから全身の擬似CT合成をターゲットにしている。
我々は,NAC-PETを空間参照として用い,ゲート残差融合によるトポグラムとMRIの特徴を取り入れた幾何アンコール型マルチモーダルフレームワークGeoPACTを提案する。
絶対座標と全身条件付けは、解剖学的に一貫したパッチベースの予測をサポートする。
トレーニングは、減衰マップの監督と異なるPET応答のサロゲートを組み合わせることで、下流のPET再構成に関連するエラーを減らす。
フル解像度の擬似CTボリュームは、テスト時にCTやPETラベルを必要とせず、スライドウインドウ推論を用いて生成される。
関連論文リスト
- Anatomical and Physical Supervision for CT-less PET Attenuation Correction: BIC-MAC 2026 Challenge [1.0160431513796213]
BIC-MAC(Big Cross-Modal Attenuation Correction) 2026 Challenge for CT-less PET attenuation correct。
我々は,標準的な nnU-Net アーキテクチャを構築し,解剖学的および物理的監視を組み合わせることにより,擬似CT 品質と下流PET 再構成の両方を改善する。
論文 参考訳（メタデータ） (2026-08-16T12:49:49Z) - 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) - Dual-Domain Equivariant Generative Adversarial Network for Multimodal CT-PET Synthesis [42.11510706776732]
マルチモーダルCT-PET画像合成のためのDDE-GAN(Dual-Domain Equivariant Generative Adversarial Network)を提案する。
DDE-GANは、空間領域と周波数領域の両方から共同で学習し、相補的な解剖学的およびスペクトル情報を取得することで課題に対処する。
論文 参考訳（メタデータ） (2026-06-11T13:30:56Z) - The autoPET3 Challenge: Automated Lesion Segmentation in Whole-Body PET/CT $\unicode{x2013}$ Multitracer Multicenter Generalization [67.92281859568168]
第3回オートPETチャレンジ(MICCAI 2024)の設計と成果を報告する。
全身PET/CTにおける自動病変分割を, 構成的一般化条件下でベンチマークした。
トップランクのアルゴリズムは平均DSCが0.66、FNVが3.18mL、FPVが2.78mLである。
論文 参考訳（メタデータ） (2026-05-07T07:07:09Z) - CT-Less Attenuation Correction Using Multiview Ensemble Conditional Diffusion Model on High-Resolution Uncorrected PET Images [31.66812884304363]
減衰は、検出器に到達する前に生体組織を横切ると検出される光子の最小化を指す。
ニューラルネットワークアーキテクチャの新しい進歩は、合成CT画像合成による代替アプローチを提案する。
Siemens Biograph Vision PET/CTスキャナで得られた159個の頭部スキャンの結果、擬似CT生成の質的および定量的な改善が示された。
論文 参考訳（メタデータ） (2025-10-28T01:18:35Z) - 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) - Synthetic CT Generation via Variant Invertible Network for All-digital
Brain PET Attenuation Correction [11.402215536210337]
減衰補正(AC)は, アーティファクトフリーで定量精度の高いポジトロン放射トモグラフィ(PET)画像の生成に不可欠である。
本稿では,脳PET画像における非減衰補正PET画像から,深層学習を用いて連続的に評価されたCT画像を生成するPET AC法を開発した。
論文 参考訳（メタデータ） (2023-10-03T08:38:52Z) - 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) - TriDo-Former: A Triple-Domain Transformer for Direct PET Reconstruction
from Low-Dose Sinograms [45.24575167909925]
TriDoFormerは、シングラム、画像、周波数の3つのドメインを結合して直接再構成するトランスフォーマーベースのモデルである。
最先端の手法を質的に、定量的に上回る。
GFPは、周波数領域の周波数成分を調整するための学習可能な周波数フィルタとして機能し、ネットワークに高周波の詳細を復元させる。
論文 参考訳（メタデータ） (2023-08-10T06:20:00Z) - Synthetic PET via Domain Translation of 3D MRI [1.0052333944678682]
56ドルのF-FDG-PET/MRI検査データセットを用いて3D残像UNetをトレーニングし,全身T1強調MRIによる生理的PET取り込みを予測する。
予測されたPET画像は前方に投影され、ベンダーが提供するPET再構成アルゴリズムで使用できる合成PETタイム・オブ・フライ・シングラムを生成する。
論文 参考訳（メタデータ） (2022-06-11T21:32:40Z)
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。