論文の概要: RIQE: a NIQE-style reference model for Computed Tomography

• arxiv url: http://arxiv.org/abs/2610.00384v1
• Date: Wed, 30 Sep 2026 09:35:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:23.629224
• Title: RIQE: a NIQE-style reference model for Computed Tomography
• Title（参考訳）: RIQE:CTのためのNIQEスタイル参照モデル
• Abstract要約: 公共LDCTおよびプロジェクションデータ収集患者158例のフルドーズスライス3,792枚にNIQE型モデルを装着した。 40例において,RIQEは,240例中240例,240例中230例において,同スライスの全量再建よりも低用量再建率を示した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The Natural Image Quality Evaluator (NIQE) scores an image by its statistical distance from a model fitted on pristine images, and its distributed model is fitted on photographs. We release the Radiology Image Quality Evaluator (RIQE), a NIQE-style model fitted on 3,792 full-dose slices from 158 patients of the public LDCT-and-Projection-data collection, with a declared intensity mapping, a manifest of every slice and a script that reproduces the fit. On 40 held-out patients, RIQE ranks reduced-dose reconstructions, simulated by projection-domain noise insertion, worse than the full-dose reconstruction of the same slice in 240 of 240 chest and 230 of 240 abdominal pairs, and ranks images with 20% more noise worse than their source in 97.5-100% of cases. Its preferences among filtered images, however, do not follow lesion signal. With a 4 mm, +10 HU lesion inserted in noisy abdominal slices, RIQE prefers bilateral filtering to the unfiltered image in every image up to a 32 HU residual, at which 29% of the lesion's matched-filter signal remains and its detectability index falls from 0.51 to 0.33; it never prefers Gaussian smoothing, which at the same 32 HU residual leaves 70% of the signal and a detectability index of 0.48. Fitted on photographs with the parameters published for NIQE, the same code ranks every simulated reduced-dose abdominal image better than its full-dose counterpart. RIQE is suited to ranking a degraded image against its source; under the conditions tested it should not be the sole criterion for selecting, comparing or tuning denoisers.
• Abstract（参考訳）: 自然画像品質評価器(NIQE)は、原画像に装着されたモデルと統計的距離で画像を記録し、その分散モデルを写真に装着する。 我々は,公共LDCTとプロジェクションデータ収集の158例のフルドーズスライス3,792個のNIQEモデルであるRadiology Image Quality Evaluator (RIQE)をリリースした。 40例においてRIQEはプロジェクションドメインノイズ挿入を模擬し,240胸240例,240腹230例,240腹230例において同一スライスをフルドーズ再建し,97.5～100%の症例ではソースよりも20%悪いノイズで画像のランク付けを行った。 しかし、フィルター画像間の好みは、病変信号に従わない。 RIQEは、ノイズの多い腹部切片に4mm、+10HUの病変を挿入した状態で、32HU残像の29%が一致したフィルタ信号であり、検出性指数が0.51から0.33に低下する画像に対して両側のフィルタリングを好んでおり、同じ32HU残像の70%と検出性指数が0.48であるガウスの平滑化を好まない。 NIQEで公開されたパラメーターで写真に収められた同じコードでは、シミュレーションされた下腹部の画像をフルドーズ画像よりも良くランク付けしている。 RIQEは劣化した画像をソースに対してランク付けするのに適しており、テストされた条件下では、デノイザーの選択、比較、チューニングのための唯一の基準であってはならない。

関連論文リスト

• Cycle-Constrained Adversarial Denoising Convolutional Network for PET Image Denoising: Multi-Dimensional Validation on Large Datasets with Reader Study and Real Low-Dose Data [9.160782425067712]
  低線量スキャンから高画質画像を再構成するためのCycle-DCN(Cycle-versa Adrial Denoising Convolutional Network)を提案する。 1,224名の患者から得られた生のPET脳データからなる大規模なデータセットを用いて実験を行った。 サイクルDCNは平均ピーク信号対雑音比(PSNR)、SSIM、正規化ルート平均角誤差(NRMSE)を3つの線量レベルで改善する。
  論文  参考訳（メタデータ） (2024-10-31T04:34:28Z)
• Brain Tumor Classification on MRI in Light of Molecular Markers [56.99710477905796]
  1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。 本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
  論文  参考訳（メタデータ） (2024-09-29T07:04:26Z)
• Improving image quality of sparse-view lung tumor CT images with U-Net [3.5655865803527718]
  肺転移検出のためのU-Netを用いて,スパースビューCT画像の画質向上を目的とした。 プロジェクションビューは、IQを維持しながら2,048から64に減少し、良好なレベルで放射線学者の信頼性を維持することができる。
  論文  参考訳（メタデータ） (2023-07-28T12:03:55Z)
• Automated SSIM Regression for Detection and Quantification of Motion Artefacts in Brain MR Images [54.739076152240024]
  磁気共鳴脳画像における運動アーチファクトは重要な問題である。 MR画像の画質評価は,臨床診断に先立って基本的である。 構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
  論文  参考訳（メタデータ） (2022-06-14T10:16:54Z)
• Towards Ultrafast MRI via Extreme k-Space Undersampling and Superresolution [65.25508348574974]
  我々は、オリジナルのfastMRIチャレンジを参照するすべての公開論文によって報告されたMRI加速係数を下回る。 低解像を補うための強力な深層学習に基づく画像強化手法を検討する。 復元された画像の品質は他の方法よりも高く、MSEは0.00114、PSNRは29.6 dB、SSIMは0.956 x16加速係数である。
  論文  参考訳（メタデータ） (2021-03-04T10:45:01Z)

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。