論文の概要: RePrior: Measurement-Reconciled Prior Correction for Sparse-View CBCT Reconstruction

• arxiv url: http://arxiv.org/abs/2610.14102v1
• Date: Thu, 08 Oct 2026 20:37:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 23:16:00.815199
• Title: RePrior: Measurement-Reconciled Prior Correction for Sparse-View CBCT Reconstruction
• Title（参考訳）: RePrior: Sparse-View CBCT 再建における事前補正法の検討
• Abstract要約: RePriorは、多段階のプログレッシブ事前補正フレームワークである。 修正動作性、測定可能性、表現表現性に対処する。 LUNA16、PANORAMA、PENGWINでR$2$-Gaussianよりも約2.6dBのPSNRが得られる。
• 参考スコア（独自算出の注目度）: 5.578405103504751
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Sparse-view cone-beam computed tomography (CBCT) is severely under-constrained by limited X-ray projections. Learned reconstruction can provide complementary anatomical information, but using it as a prior in patient-specific Gaussian reconstruction introduces two challenges. First, the discrepancy between the learned prior and current reconstruction is spatially non-uniform: some local differences contain useful missing 3D information, whereas others reflect prior bias. Second, even a volumetrically beneficial correction can conflict with the observed X-ray measurements. Since X-ray measurements are line integrals, spatially separated corrections may affect overlapping rays, with their signed projection responses reinforcing or partially canceling in the measurement residual, so their feasibility cannot always be assessed independently. In this paper, we introduce RePrior, a multi-stage progressive prior-correction framework that addresses correction actionability, measurement feasibility, and representation expressivity. Selective Correction Proposal (SCP) first identifies actionable signed local corrections from prior--reconstruction discrepancies. Measurement-Constrained Reconciliation (MCR) then jointly enforces their consistency with patient-specific X-ray measurements, while Hybrid Residual Enhancement (HRE) recovers additional correction capacity through complementary voxel- and Gaussian-domain degrees of freedom around the reconciled anchor. RePrior requires neither test-time ground truth nor case-specific network fine-tuning. RePrior gains approximately 2.6~dB in 3D PSNR over R$^2$-Gaussian across LUNA16, PANORAMA, and PENGWIN. Beyond prior-assisted reconstruction, it delivers additional gains in volumetric quality and observed-view projection fidelity, with consistent gains in held-out-view fidelity in the backbone-matched evaluation.
• Abstract（参考訳）: Sparse-view cone-beam Computed Tomography (CBCT) は, 限られたX線投射により高度に抑制されている。 学習した再建は、相補的な解剖学的情報を提供することができるが、患者固有のガウス再建の先行として使用することは、2つの課題をもたらす。 まず、学習前と現在の再建の相違は空間的に不均一であり、いくつかの局所的な違いは有用な3D情報を含んでいるが、他のものは事前バイアスを反映している。 第二に、体積的に有利な補正でさえ、観測されたX線測定と矛盾することがある。 X線測定は線積分であるため、空間的に分離された補正は重なり合う光線に影響し、符号付き投影応答は測定残差を補強または部分的にキャンセルするので、その実現可能性は常に独立して評価することはできない。 本稿では、修正動作性、測定可能性、表現表現表現性に対処する多段階進行事前補正フレームワークRePriorを紹介する。 SCP (Selective Correction Proposal) は、最初に、事前の再構成の不一致から、動作可能な署名された局所的な修正を識別する。 測定制約緩和(MCR)は患者固有のX線測定との整合性を共同で実施し,Hybrid Residual Enhancement(HRE)は相補的なボクセルとガウス領域の自由度で補正能力を回復する。 RePriorはテストタイムの真実やケース固有のネットワークの微調整を必要としない。 RePriorは、LUNA16、PANORAMA、PENGWINにまたがるR$^2$-Gaussianよりも3D PSNRで約2.6~dBを得る。 事前補修の他に、容積品質と観察視射影忠実度が向上し、背骨整合評価における持久視点忠実度は一貫して向上する。

関連論文リスト

• Robust Ensemble Guidance for Scientific Inverse Problems [100.58137337454754]
  Robust Ensemble Guidance (REG) は、アンサンブル予測拡散を用いて観測スケールのバランスを保ち、極端に不一致な影響を制限するために標準化された残差を適応的にクリップする。 REGは3つの観測系で6.2-8.2dBのブラックホール再構成PSNRを増加させ、一致した予算比較でNavier-Stokes再構成誤差を26.4%削減する。
  論文  参考訳（メタデータ） (2026-10-04T16:54:37Z)
• Calibrated Closed-Form Uncertainty for Radiative Gaussian Splatting in Sparse-View CT [13.147279382369293]
  ガウススプラッティングCTにおける最初の系統的校正法について検討した。 その結果, ボクセルごとの不確実性は, 公式ベンチマークの15面中14面に真の復元誤差をランク付けすることがわかった。 そして、不適格な買収スコアがなぜ許容できる見解を選択できるのかを見極める。
  論文  参考訳（メタデータ） (2026-07-15T10:25:05Z)
• Measured-Subspace Consistency: A Plug-and-Play Operator for Diffusion Posterior Sampling in Accelerated MRI Reconstruction [2.4827516038838064]
  加速MRI用拡散後サンプリング装置は, 精度よく再構成できるが, 得られたk-空間は試料間では不一致である。 我々は、この測定されたサブスペースリークを物理許容障害とみなす。 我々は、標準のマルチコイル整合ロックで、任意の互換画像空間後部サンプルをラップするトレーニング不要端末補正である、測定サブスペース整合性(MSC)を提案する。
  論文  参考訳（メタデータ） (2026-06-26T08:49:39Z)
• Dual-Prior Guided Null-Space Learning with Mixture-of-Splines for Arbitrary Medical Slice Super-Resolution [28.92727853844715]
  超解像は、任意のスケールで中間スライスを合成することにより異方性の臨床的取得から等方性ボリュームを再構成する。 この不適切な逆問題を、制約のない残差に基づく回帰リスクとして扱うことで、不明瞭な構造を幻覚させる。 本稿では,2つの相補的事前に導かれる制約付き回復過程としてタスクを再構成するDual-Prior Null-space Learningフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-06-25T07:53:36Z)
• Rendering Novel Views of MRI Using 3D Gaussian Splatting [54.6286495315908]
  3D Gaussian Splatting を用いて, スパース異方性MRIから画像再構成を行い, 臨床評価に関係する解剖学的に整合した画像面を採取, 描画した。 新しいビュープレーンは対象解剖の診断に最適であるが、元のMRIはそうではない。
  論文  参考訳（メタデータ） (2026-06-24T18:00:03Z)
• Preoperative-to-intraoperative Liver Registration for Laparoscopic Surgery via Latent-Grounded Correspondence Constraints [51.7011449975586]
  Land-Regは変形可能な登録フレームワークで、潜伏した2D-3Dのランドマーク対応を学習する。 厳格な登録のために、Land-Regはクロスモーダルラテントアライメントモジュールを採用している。 類似性マッチングを持つ不確実なオーバーラップランドマーク検出器を提案し, 明確な2D-3Dランドマーク対応を強く推定する。
  論文  参考訳（メタデータ） (2026-03-02T10:44:03Z)
• Bayesian Uncertainty Estimation of Learned Variational MRI Reconstruction [63.202627467245584]
  我々は,モデル不連続な不確かさを定量化するベイズ変分フレームワークを提案する。 提案手法はMRIのアンダーサンプを用いた再建術の術後成績を示す。
  論文  参考訳（メタデータ） (2021-02-12T18:08:14Z)
• Probabilistic 3D surface reconstruction from sparse MRI information [58.14653650521129]
  スパース2次元MR画像データとアレータティック不確実性予測から3次元表面再構成を同時に行うための新しい確率論的深層学習手法を提案する。 本手法は,3つの準直交MR画像スライスから,限られたトレーニングセットから大きな表面メッシュを再構成することができる。
  論文  参考訳（メタデータ） (2020-10-05T14:18:52Z)
• Simultaneous Estimation of X-ray Back-Scatter and Forward-Scatter using Multi-Task Learning [59.17383024536595]
  後方散乱は複雑な介入の際の患者(皮膚)の服用に大きく寄与する。 前方散乱放射線は投影画像のコントラストを低減し、3次元再構成でアーティファクトを導入する。 本稿では,従来の手法と学習に基づく手法を組み合わせて,検出器に到達した前方散乱を同時に推定する手法を提案する。
  論文  参考訳（メタデータ） (2020-07-08T10:47:37Z)

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。