論文の概要: VoxelSynth3D: Interpretable Volumetric Image-Domain Metal Artifact Reduction with a Paired Synthetic CLINIC-Metal Benchmark
- arxiv url: http://arxiv.org/abs/2610.01512v1
- Date: Thu, 01 Oct 2026 11:47:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-03 01:19:24.09702
- Title: VoxelSynth3D: Interpretable Volumetric Image-Domain Metal Artifact Reduction with a Paired Synthetic CLINIC-Metal Benchmark
- Title（参考訳）: VoxelSynth3D:Paired Synthetic CLINIC-Metal Benchmarkによる解釈可能なボリュームイメージドメインメタルアーチファクト低減
- Abstract要約: 再構成CTのためのトレーニング不要な3次元画像ドメインフレームワークであるVoxel Synth3Dを提案する。
このフレームワークは、サポートマスキング、正常化された組織合成、偏差ゲーティング、制限されたエッジリファインメントを組み合わせる。
40件のケースで、Voxel Synth3DはRMSEを801.48から786.18 HU(paired gain 15.30 HU, 95% CI 11.68-19.23)に減らし、全てのケースを改善し、評価された3Dスムーズを13.58 HUに上回った。
- 参考スコア（独自算出の注目度）: 2.886792847964569
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Metal artifacts in postoperative musculoskeletal CT obscure bone-implant and adjacent soft-tissue interfaces. Many metal artifact reduction (MAR) methods require unavailable raw projections or learned models that may shift across scanners and implants. We present VoxelSynth3D, a training-free 3D image-domain framework for reconstructed CT. The framework combines support masking, normalized tissue synthesis, deviation gating, and restricted edge refinement. Detected implant voxels are preserved in the output, while correction targets metal-induced artifacts in the surrounding tissue. We also construct Synthetic CLINIC-Metal, a controlled paired synthetic evaluation resource, from no-metal CTPelvic1K volumes with clean targets, metal/artifact masks, fixed seeds, and patient-level splits; 75 unpaired real metal cases receive qualitative/no-reference evaluation only. The operating point was fixed in a near-flat validation basin. With exact-mask oracle localization, all methods share a metal-excluded tissue ROI. On 40 held-out cases, VoxelSynth3D reduced RMSE from 801.48 to 786.18 HU (paired gain 15.30 HU, 95% CI 11.68-19.23), improving every case and exceeding the evaluated 3D Gaussian smoother by 13.58 HU. Clean-edge agreement decreased next to metal but exceeded input beyond 5 mm. Thus, VoxelSynth3D provides case-consistent within-distribution tissue-error reduction with a localized structural tradeoff. Spacing-aware sensitivity retained aggregate broad-region improvement and identified near-metal calibration as a target.
- Abstract（参考訳）: 術後筋骨格CTにおける金属片は骨欠損と隣接した軟部組織界面を欠いた。
多くの金属加工物還元法(MAR)は、スキャナーやインプラントを横切ることができる生の投射や学習モデルを必要とする。
再構成CTのためのトレーニング不要な3次元画像ドメインフレームワークであるVoxelSynth3Dを提案する。
このフレームワークは、サポートマスキング、正常化された組織合成、偏差ゲーティング、制限されたエッジリファインメントを組み合わせる。
検出されたインプラントボクセルは出力に保存され、補正は周囲の組織における金属誘起アーティファクトをターゲットにしている。
また,非金属CTPelvic1K量,金属/人工マスク,固定種子,患者レベルスプリットを用いた合成合成評価資源であるSynthetic CLINIC-Metalを構築した。
運転地点は、ほぼ平らなバリデーション盆地に固定された。
正確なマスクオラクルの局在により、すべての方法は金属を除いた組織ROIを共有する。
40件のケースで、VoxelSynth3DはRMSEを801.48から786.18 HU(paired gain 15.30 HU, 95% CI 11.68-19.23)に減らし、全てのケースを改善し、評価された3Dガウススムーズを13.58 HUで上回った。
クリーンエッジの合意は金属の隣で減少したが、入力は5mmを超えていた。
このように、VoxelSynth3Dは、局所的な構造的トレードオフを伴うケース一貫性の組織-エラー低減を提供する。
スペーシング・アウェア・センシティブは、集合的広域改善を保ち、準金属キャリブレーションを目標とした。
関連論文リスト
- Splat-Based Metal Artifact Reduction in Cone-Beam CT via Compact Attenuation Modeling [21.680060395853953]
コーンビームCTのための連続ガウス表現に,物理的に接地したポリクロマティックフォワードモデルを組み込んだスプレート型金属アーチファクト低減フレームワークを導入する。
実コーンビームCTのシミュレーション実験により,本手法は既存の再建法や神経磁場によるアプローチよりもはるかに高速に収束し,金属加工物を効果的に抑制することが示された。
論文 参考訳（メタデータ） (2026-08-05T12:30:13Z) - CONFLUX: A Latent Diffusion Model for 3D Chest-CT Synthesis with RL Post-Training [2.2462804525190427]
3次元医用画像の制御可能な生成モデルは、特定の臨床属性でボリュームを合成することができる。
胸部CTにおける潜伏拡散モデルであるCONFLUXについて述べる。
3D変分オートエンコーダは各ボリュームを圧縮し、整流変圧器は潜時空間で発生する。
論文 参考訳（メタデータ） (2026-07-03T06:31:00Z) - D3Seg: Dependency-Aware Diffusion for Brain Tumor Segmentation with Missing Modalities [54.87947751720332]
欠落モード設定下での安定した性能を維持するために,新しいセグメンテーションモデルD3Segを提案する。
提案モデルでは, 腫瘍造影法 (ET) で約1.5～2.0%, 腫瘍コア法 (TC) で約1.0%, 複数の欠損モードで約1.0%を達成している。
論文 参考訳（メタデータ） (2026-05-21T09:55:42Z) - H3D-MarNet: Wavelet-Guided Dual-Path Learning for Metal Artifact Suppression and CT Modality Transformation for Radiotherapy Workflows [9.903943384975856]
H3D-MarNetはアーティファクト対応のCTドメイン変換のための2段階のフレームワークである。
ウェーブレットベースの前処理モジュールは、金属誘起アーティファクトを抑制する。
第2段階では、Domain-TransNetはkVCT-to-MVCTドメイン変換を実行する。
論文 参考訳（メタデータ） (2026-05-12T15:21:42Z) - MGMAR: Metal-Guided Metal Artifact Reduction for X-ray Computed Tomography [0.0]
金属インプラントは標準的なCT前方モデルの仮定に反し、重度のストリーキングとシャドーイングアーティファクトを生み出した。
再建パイプライン全体を通して金属関連情報を明示的に活用する金属誘導型MAR法であるMGMARを提案する。
MGMARは最先端のパフォーマンスを達成し、29例の臨床検査で平均0.89点のスコアを得た。
論文 参考訳（メタデータ） (2026-03-13T13:41:23Z) - FIND-Net -- Fourier-Integrated Network with Dictionary Kernels for Metal Artifact Reduction [2.979183050755201]
CT(Computed tomography)画像における高密度金属インプラントによって引き起こされた金属人工物は、非常に劣化した画像品質である。
本稿では,周波数と空間領域処理を統合し,優れたアーチファクト抑圧を実現する新しいフレームワークであるFIND-Netを提案する。
実験により、FIND-Netは最先端のMAR法よりも統計的に有意な改善が得られた。
論文 参考訳（メタデータ） (2025-08-14T13:13:54Z) - Reducing CT Metal Artifacts by Learning Latent Space Alignment with Gemstone Spectral Imaging Data [45.94938820436709]
CTスライス中の金属人工物は、長い間医学的診断において課題を提起してきた。
本稿では,Latent Gemstone Spectral Imaging (GSI) Alignment Frameworkを紹介する。
我々の研究は、アーティファクトに影響を及ぼした普通のCTシーケンスでさえ、詳細な構造を特定するのに十分な情報を含んでいるという重要な発見に基づいている。
論文 参考訳（メタデータ） (2025-03-27T08:35:10Z) - Solving Energy-Independent Density for CT Metal Artifact Reduction via Neural Representation [46.57879724994237]
金属腐食測定によるCT画像の再構成は, 難解な非線形逆問題となる。
既存のSOTA(State-of-the-art)メタルアーティファクトリダクション(MAR)アルゴリズムは、多数のペアCTサンプルによる教師あり学習に依存している。
本研究では,新しい教師なしMAR法である密度ニューラル表現(ダイナー)を提案する。
論文 参考訳（メタデータ） (2024-05-11T16:30:39Z) - Unsupervised Polychromatic Neural Representation for CT Metal Artifact
Reduction [48.1445005916672]
人体に金属インプラントが存在する場合のCTイメージングの課題に対処する新しい多色神経表現法(Polyner)を提案する。
私たちのPolynerは、ドメイン内のデータセットの教師付きメソッドよりも同等または優れたパフォーマンスを実現しています。
論文 参考訳（メタデータ） (2023-06-27T04:50:58Z) - Orientation-Shared Convolution Representation for CT Metal Artifact
Learning [63.67718355820655]
X線CT(CT)スキャン中、患者を乗せた金属インプラントは、しばしば有害なアーティファクトに繋がる。
既存のディープラーニングベースの手法は、有望な再構築性能を得た。
本稿では,人工物の物理的事前構造に適応するために,配向型畳み込み表現戦略を提案する。
論文 参考訳（メタデータ） (2022-12-26T13:56:12Z)
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。