Fugu-MT 論文翻訳(概要): Field-of-View Extension in Dental Cone-Beam CT via Implicit Neural Representations and Diffusion Model-Based Refinement

論文の概要: Field-of-View Extension in Dental Cone-Beam CT via Implicit Neural Representations and Diffusion Model-Based Refinement

arxiv url: http://arxiv.org/abs/2609.28110v1
Date: Wed, 23 Sep 2026 13:43:34 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-25 00:05:18.048038
Title: Field-of-View Extension in Dental Cone-Beam CT via Implicit Neural Representations and Diffusion Model-Based Refinement
Title（参考訳）: 難治性神経表現と拡散モデルに基づく歯科用コーンビームCTの視野拡張
Abstract要約: 歯科用コーンビームCT(CBCT)システムでは、患者の解剖学のごく一部しか捉えない、切り離された視野(FOV)を用いることが多い。本稿では,(1)切り刻まれた投影データの欠落部分を推定する暗黙的神経表現(INR),(2)解剖学的整合性を改善した二次体積画像を生成する反復的再構成,(3)画像強調のための高速拡散モデルからなる3段階のフレームワークを提案する。実験により, トラルニケート工芸品を効果的に低減し, 元のFOVを超える構造物の復元を改善し, 画質の向上を図った。
参考スコア（独自算出の注目度）: 0.5721631408241836
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Dental cone-beam computed tomography (CBCT) systems often employ detector configurations that provide a truncated field of view (FOV) that only captures a small part of the patient's anatomy. In this work, we aim to reconstruct an extended FOV using projections of truncated FOV scans. To this end, we propose a three-stage framework that consists of (1) an implicit neural representation (INR) for estimating missing parts of the truncated projection data, (2) an iterative reconstruction for generating a secondary volumetric image with improved anatomical consistency and (3) a fast diffusion model for image enhancement. The proposed approach combines the strengths of continuous representations, physics-based reconstruction and generative refinement within a unified pipeline for truncated CBCT imaging. Experimental results demonstrate that the method effectively reduces truncation artifacts, improves the reconstruction of structures extending beyond the original FOV and produces images with enhanced quality. Our code is publicly available at https://github.com/SusanneSchaub/CBCT-FOV-Extension.
Abstract（参考訳）: 歯科用コーンビームCT(CBCT)システムでは、患者の解剖学のごく一部しか捉えない、切り離された視野(FOV)を提供する検出器構成を用いることが多い。本研究では,縮小されたFOVスキャンの投影を用いて拡張FOVを再構成することを目的とする。そこで本研究では,(1)被写体投影データの欠落部分を推定する暗黙的神経表現(INR),(2)解剖学的整合性を改善した二次体積画像を生成する反復的再構成,(3)画像強調のための高速拡散モデルからなる3段階のフレームワークを提案する。提案手法は, 連続表現の強度, 物理に基づく再構成, 生成的改善を, CBCT撮像のための統合パイプライン内で組み合わせたものである。実験により, トラルニケート工芸品を効果的に低減し, 元のFOVを超える構造物の復元を改善し, 画質の向上を図った。私たちのコードはhttps://github.com/SusanneSchaub/CBCT-FOV-Extension.comで公開されています。

関連論文リスト

Resolution-Independent Neural Operators for Multi-Rate Sparse-View CT [67.14700058302016]
深層学習手法は高忠実度再構成を実現するが、しばしば固定された取得設定に過度に適合する。本稿では,連続関数空間に拡張したCT再構成フレームワークであるComputed Tomography Neural Operator (CTO)を提案する。 CTOは一貫性のあるマルチサンプリングレートとクロスレゾリューションのパフォーマンスを実現している。
論文参考訳（メタデータ） (2025-12-13T08:31:46Z)
Iterative Diffusion-Refined Neural Attenuation Fields for Multi-Source Stationary CT Reconstruction: NAF Meets Diffusion Model [20.480681036392173]
高速な画像再構成を実現するために, マルチソース・静止CT (CT) が注目されている。超スパースビュー条件下でのマルチソース静止CTに適した反復的フレームワークであるDiff-NAF(Diffusion-Refined Neural Attenuation Fields)を提案する。
論文参考訳（メタデータ） (2025-11-18T10:14:28Z)
An Iterative Reconstruction Method for Dental Cone-Beam Computed Tomography with a Truncated Field of View [0.08928976797184517]
歯科用コーンビームCT(CBCT)では、コンパクトで費用対効果の高いシステム設計は小さな検出器を使用することが多い。反復的再構成アプローチでは、トランカットされたFOV内の実際の射影と前方射影との差が反復的に蓄積される。歯科用CBCTにおけるトラクションアーティファクトの軽減のための2段階的アプローチを提案する。
論文参考訳（メタデータ） (2025-08-11T04:54:18Z)
Intraoperative Registration by Cross-Modal Inverse Neural Rendering [61.687068931599846]
クロスモーダル逆ニューラルレンダリングによる神経外科手術における術中3D/2Dレジストレーションのための新しいアプローチを提案する。本手法では,暗黙の神経表現を2つの構成要素に分離し,術前および術中における解剖学的構造について検討した。臨床症例の振り返りデータを用いて本法の有効性を検証し,現在の登録基準を満たした状態での最先端の検査成績を示した。
論文参考訳（メタデータ） (2024-09-18T13:40:59Z)
Learning 3D Gaussians for Extremely Sparse-View Cone-Beam CT Reconstruction [9.848266253196307]
Cone-Beam Computed Tomography (CBCT) は医用画像の撮影に欠かせない手法であるが、放射線照射が臨床応用に懸念をもたらす。本稿では,3次元ガウス空間における特徴分布を表現するために3次元ガウス空間を利用する新しい再構成フレームワーク,DIF-Gaussianを提案する。 2つの公開データセット上でDIF-Gaussianを評価し,従来の最先端手法よりもはるかに優れた再構成性能を示した。
論文参考訳（メタデータ） (2024-07-01T08:48:04Z)
CoCPF: Coordinate-based Continuous Projection Field for Ill-Posed Inverse Problem in Imaging [78.734927709231]
スパース・ビュー・コンピュート・トモグラフィー(SVCT)の再構成は,スパース・サンプリングによるCT画像の取得を目的としている。暗黙的な神経表現(INR)技術は、不備のため、その分野に「かなりの穴」(すなわち、未モデル化空間)を残し、準最適結果をもたらす可能性がある。 SVCT再構成のためのホールフリー表現場を構築することを目的としたコーディネート型連続射影場(CoCPF)を提案する。
論文参考訳（メタデータ） (2024-06-21T08:38:30Z)
XctDiff: Reconstruction of CT Images with Consistent Anatomical Structures from a Single Radiographic Projection Image [4.169099546864143]
XctDiffは、単一のラジオグラフからCTを再構成するためのアルゴリズムフレームワークである。まず,ロバストな3D先行情報を抽出できるプログレッシブな特徴抽出戦略を設計する。次に,抽出した先行情報を用いて,潜伏空間におけるCT再構成を誘導する。
論文参考訳（メタデータ） (2024-06-07T06:50:19Z)
REGAS: REspiratory-GAted Synthesis of Views for Multi-Phase CBCT Reconstruction from a single 3D CBCT Acquisition [75.64791080418162]
REGASは、アンダーサンプドトモグラフィビューを合成し、再構成画像中のアーティファクトのエイリアスを緩和する自己教師手法を提案する。高解像度4Dデータ上でのディープニューラルネットワークの大規模なメモリコストに対処するため、REGASは分散して微分可能なフォワードプロジェクションを可能にする新しいレイパス変換(RPT)を導入した。
論文参考訳（メタデータ） (2022-08-17T03:42:19Z)
BNV-Fusion: Dense 3D Reconstruction using Bi-level Neural Volume Fusion [85.24673400250671]
ニューラル・ボリューム・フュージョン (BNV-Fusion) は, ニューラル・暗黙表現とニューラル・レンダリングの最近の進歩を活用して高密度3次元再構成を行う。新しい深度マップをグローバルな暗黙的表現に漸進的に統合するために、我々は新しい二段階融合戦略を提案する。提案手法を定量的に定性的に評価し,既存手法よりも有意な改善を示した。
論文参考訳（メタデータ） (2022-04-03T19:33:09Z)
Hierarchical Amortized Training for Memory-efficient High Resolution 3D GAN [52.851990439671475]
本稿では,高解像度な3D画像を生成することができる新しいエンドツーエンドGANアーキテクチャを提案する。トレーニングと推論の異なる構成を使用することで、この目標を達成する。 3次元胸郭CTと脳MRIの実験により、我々のアプローチは画像生成における最先端技術より優れていることが示された。
論文参考訳（メタデータ） (2020-08-05T02:33:04Z)

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。