論文の概要: Shadow Reduction in Ultrasound Imaging Using Differentiable Simulation and Radiance Field Decomposition

• arxiv url: http://arxiv.org/abs/2609.29373v1
• Date: Thu, 24 Sep 2026 10:55:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 21:10:09.852058
• Title: Shadow Reduction in Ultrasound Imaging Using Differentiable Simulation and Radiance Field Decomposition
• Title（参考訳）: 微分可能シミュレーションと放射場分解を用いた超音波イメージングにおける影の低減
• Abstract要約: 骨および他の高度減衰組織からの音響的影は、超音波における臨床的に重要な構造を曖昧にしている。 RFlash, 物理インフォームド・ポストプロセッシング法は, ビームフォーミングされた超音波画像を明示的に減衰と散乱強度マップに分解する。 1,261個の胎児の脳体積、143個のリアル2Dカルビリナー腹部スキャン、1200個のシミュレーション2Dリニアプローブ肝スキャン、RFlashは古典的なヒューズ・ダック補正よりも効果的に影に関連した強度差を減少させる。
• 参考スコア（独自算出の注目度）: 8.45073314619098
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Acoustic shadows from bone and other highly attenuating tissues obscure clinically important structures in ultrasound. In fetal brain imaging, skull-induced artefacts disproportionately degrade the hemisphere closer to the transducer (proximal), limiting symmetric assessment of the two hemispheres. Existing correction methods require raw scanner data, impose restrictive assumptions on tissue properties, or rely on generative models that may hallucinate anatomy. We present RFlash, a physics-informed post-processing method that decomposes beamformed ultrasound images into explicit attenuation and scatter-intensity maps using a differentiable radiance-field formulation of image formation. Attenuation-adaptive re-rendering then removes the dependence of the signal at each depth on the intervening tissue, equivalent to virtually advancing the transducer into the tissue. Across 1,261 3D fetal brain volumes, 143 real 2D curvilinear abdominal scans, and 1,200 simulated 2D linear-probe liver scans, RFlash reduces shadow-related intensity differences more effectively than classical Hughes-Duck attenuation correction. For a gestational-age model trained on the distal hemisphere (further from the transducer) and applied to the proximal hemisphere, prediction error decreases by 5.1 days (40%) relative to the original images. The estimated attenuation maps also yield shadow-confidence maps that improve random-forest bone-shadow segmentation over the image alone and receive greater SHAP importance than an existing neural confidence-map baseline, suggesting greater physical consistency. RFlash requires neither hardware modification nor access to raw scanner data and supports 2D and 3D acquisitions with linear and curvilinear probes, making it widely applicable allowing clinicians to use our method on their already acquired scanners and images.
• Abstract（参考訳）: 骨および他の高度減衰組織からの音響的影は、超音波における臨床的に重要な構造を曖昧にしている。 胎児脳画像では、頭蓋骨によって誘発される人工物は、トランスデューサ(近位)に近い半球を不均等に分解し、2つの半球の対称的な評価を制限する。 既存の補正法では、生のスキャナーデータ、組織の性質に制限的な仮定を課す、あるいは、解剖学を幻覚させるかもしれない生成モデルに依存する必要がある。 RFlash, RFlash, 物理インフォームド・ポストプロセッシング法は, ビームフォーミングされた超音波画像から明らかな減衰と散乱強度マップに分解し, 画像形成の微分可能放射場定式化を用いた。 減衰適応的な再レンダリングは、各深さにおけるシグナルの相互結合組織への依存性を除去する。 1,261個の胎児の脳体積、143個のリアル2Dカルビリナー腹部スキャン、1200個のシミュレーション2Dリニアプローブ肝スキャン、RFlashは古典的なヒューズ・ダック減衰補正よりも効果的に影に関連した強度差を減少させる。 遠位半球(トランスデューサより小さい)で訓練され、近位半球に適用された妊娠年齢モデルでは、予測誤差は元の画像と比較して5.1日(40%)減少する。 推定された減衰マップはまた、画像上のランダムフォレストな骨陰部セグメンテーションを改善するためのシャドウ信頼マップも生成し、既存の神経信頼マップベースラインよりもSHAPの重要性が増し、より物理的な一貫性が示唆された。 RFlashは、ハードウェアの変更も、生のスキャナーデータへのアクセスも必要とせず、2Dおよび3Dの取得をサポートする。

関連論文リスト

• Multi-Contrast MRI Motion Correction via Parameter-Informed Disentanglement and Adaptive Experts [56.74856091904914]
  パラメータインフォームドコントラストと重度適応補正を組み合わせた統合フレームワークを提案する。 ScanCLIPは、取得パラメータからアンタングルコントラストスタイルへのコントラスト埋め込みを解剖学的内容から導き、コントラストのない特徴をもたらす。 ビジョントランスフォーマーは、動きの重大度を推定し、Mixture-of-Expertsネットワークを介して特徴をルーティングし、ターゲットのアーティファクト修正を可能にする。
  論文  参考訳（メタデータ） (2026-05-29T02:48:23Z)
• DiffusionXRay: A Diffusion and GAN-Based Approach for Enhancing Digitally Reconstructed Chest Radiographs [0.13048920509133807]
  胸部X線画像の新しい画像復元パイプラインであるDiffusionXRayを紹介する。 X線画像復元のニュアンスを学習し,低画質と高画質の画像に対してDDPMベースのモデルを訓練する。 本手法は,胸部X線像の明瞭度,コントラスト,診断の総合的価値を高めるための有望な結果を示す。
  論文  参考訳（メタデータ） (2026-03-02T10:14:50Z)
• Efficient Image-to-Image Schrödinger Bridge for CT Field of View Extension [10.352797961760976]
  画像から画像までのSchr"odinger Bridge (I$2$SB)拡散モデルに基づく効率的なCT FOV拡張フレームワークを提案する。 I$2$SBは、実データで49.8,HU、実データで152.0HUのルート平均二乗誤差(RMSE)値で優れた定量的性能を達成する。 1ステップの推論では、2Dスライスあたり0.19秒で再構築が可能で、cDDPM (135秒) よりも700倍のスピードアップを示し、拡散GAN (0.58秒) を超えている。
  論文  参考訳（メタデータ） (2025-08-15T04:41:05Z)
• CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
  縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。 ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。 我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
  論文  参考訳（メタデータ） (2024-03-21T15:13:36Z)
• Rotational Augmented Noise2Inverse for Low-dose Computed Tomography Reconstruction [83.73429628413773]
  改良された深層学習手法は、画像のノイズを除去する能力を示しているが、正確な地上の真実を必要とする。 畳み込みニューラルネットワーク(CNN)のトレーニングに基礎的真理を必要としないLDCTのための新しい自己教師型フレームワークを提案する。 数値および実験結果から,Sparse View を用いた N2I の再構成精度は低下しており,提案手法は異なる範囲のサンプリング角度で画像品質を向上する。
  論文  参考訳（メタデータ） (2023-12-19T22:40:51Z)
• AiAReSeg: Catheter Detection and Segmentation in Interventional Ultrasound using Transformers [75.20925220246689]
  血管内手術は、電離放射線を用いてカテーテルと血管を可視化するFluoroscopyの黄金標準を用いて行われる。 本研究では、最先端機械学習トランスフォーマアーキテクチャを応用して、軸干渉超音波画像シーケンス中のカテーテルを検出し、セグメント化する手法を提案する。
  論文  参考訳（メタデータ） (2023-09-25T19:34:12Z)
• The Impact of Loss Functions and Scene Representations for 3D/2D Registration on Single-view Fluoroscopic X-ray Pose Estimation [1.758213853394712]
  我々はまずデジタル再構成ラジオグラフィー(DRR)の効率的な計算のための微分可能プロジェクションレンダリングフレームワークを開発する。 次に, 合成したDRRの画像差を, 地表面の蛍光X線画像に対して定量化する, 様々な候補損失関数を用いて, 反復降下によるポーズ推定を行う。 Mutual Information Loss を用いて,50 人の頭蓋骨の断層X線データを用いて行ったポーズ推定を総合的に評価した結果,DiffProj における識別 (CBCT) とニューラル (NeTT/mNeRF) のシーン表現のどちらを用いたかが示唆された。
  論文  参考訳（メタデータ） (2023-08-01T01:12:29Z)
• Deep learning network to correct axial and coronal eye motion in 3D OCT retinal imaging [65.47834983591957]
  深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。 実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
  論文  参考訳（メタデータ） (2023-05-27T03:55:19Z)
• Cross-domain Denoising for Low-dose Multi-frame Spiral Computed Tomography [20.463308418655526]
  X線被曝は、がんなどの潜在的な健康リスクへの懸念を引き起こす。 放射線線量を減らすという欲求は、研究者に再建の質の向上を促した。 本稿では,市販マルチスライス・スパイラルCTスキャナの2段階化手法を提案する。
  論文  参考訳（メタデータ） (2023-04-21T09:30:22Z)

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。