論文の概要: Dual-Domain Sparse-View 4D CBCT Reconstruction with Spatial-Temporal Consistency Learning

• arxiv url: http://arxiv.org/abs/2610.18518v1
• Date: Tue, 13 Oct 2026 15:10:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-16 20:53:50.178422
• Title: Dual-Domain Sparse-View 4D CBCT Reconstruction with Spatial-Temporal Consistency Learning
• Title（参考訳）: 空間時間一貫性学習による2次元スパースビュー4次元CBCT再構成
• Abstract要約: 空間的時間的整合性学習を用いたスパースビュー4次元CBCT再構成フレームワークであるSTCNetを提案する。 STCNetは、呼吸相ごとに16個のプロジェクションのみから高品質な画像を再構成する。 以上の結果から,STCNetは低用量で位相分解型4D CBCTの放射線治療に有効である可能性が示唆された。
• 参考スコア（独自算出の注目度）: 8.088453957849987
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Four-dimensional cone-beam computed tomography (4D CBCT) provides phase-resolved volumetric images for image-guided radiotherapy. Yet good reconstruction quality usually needs many projections. This increases scan time and radiation dose. We propose STCNet, a sparse-view 4D CBCT reconstruction framework that uses spatial-temporal consistency learning. STCNet reconstructs high-quality images from only 16 projections in each respiratory phase. STCNet integrates physics-driven positional encoding to enforce geometric consistency in the projection domain and introduces temporal encoding in latent space to capture respiratory motion dynamics across phases to capture dynamic respiratory motion across phases. A dual-domain collaborative strategy jointly optimizes both projection and image domains, enhancing structural fidelity and temporal coherence. We tested STCNet on the TCIA-LUNG dataset and a CIRS thorax phantom dataset. STCNet performed better than conventional methods and recent deep learning baselines in image quality, artifact reduction, and structural preservation. On TCIA-LUNG, STCNet reached PSNR values of 33.311, 32.695, and 32.658 dB at phases 2, 5, and 8. The corresponding SSIM values were 0.845, 0.823, and 0.825. On CIRS, STCNet achieved PSNR values up to 36.497 dB and SSIM values up to 0.877. These results support STCNet as a promising framework for low-dose, phase-resolved 4D CBCT reconstruction in image-guided radiotherapy.
• Abstract（参考訳）: 4次元コーンビームCT(4D CBCT)は,画像誘導放射線治療のための位相分解体積像を提供する。 しかし、良い再建の質は通常多くの投影を必要とします。 これはスキャン時間と放射線線量を増加させる。 空間的時間的整合性学習を用いたスパースビュー4次元CBCT再構成フレームワークであるSTCNetを提案する。 STCNetは、呼吸相ごとに16個のプロジェクションのみから高品質な画像を再構成する。 STCNetは、物理駆動による位置エンコーディングを統合し、射影領域における幾何的一貫性を強制し、潜時空間における時間的エンコーディングを導入し、相をまたいだ呼吸運動のダイナミクスを捉え、相をまたいだダイナミックな呼吸運動を捉える。 二重領域協調戦略は、投影領域と画像領域の両方を共同で最適化し、構造的忠実度と時間的コヒーレンスを高める。 STCNetをTCIA-LUNGデータセットとCIRS thorax phantomデータセットで検証した。 STCNetは、画像品質、アーティファクトの低減、構造保存における従来の手法や最近のディープラーニングベースラインよりも優れていた。 TCIA-LUNGでは、STCNetはPSNRの33.311、32.695、32.658dBに達した。 対応するSSIM値は0.845、0.823、0.825である。 CIRSでは、STCNetは最大36.497dBのPSNR値と0.877までのSSIM値を達成した。 以上の結果から,STCNetは低用量で位相分解型4D CBCTの放射線治療に有効である可能性が示唆された。

関連論文リスト

• Dual-domain U-Nets with embedded back projection operators for motion-resolved 4D CBCT reconstruction [0.0]
  そこで本研究では,従来のフリーブレススキャンによる4次元CBCT再構成の深層学習法を提案する。 我々のCNNは3次元CBCTプロジェクションを入力とし、最大吸入時の静体積を予測する。 臨床検査では, 従来の再建法に比べ, より鋭い動的構造(横隔膜など)とより少ない運動ストリークアーチファクトがみられた。
  論文  参考訳（メタデータ） (2026-08-04T10:20:07Z)
• Compressive Imaging Reconstruction via Tensor Decomposed Multi-Resolution Grid Encoding [50.54887630778593]
  圧縮画像再構成(CI)は, 圧縮された低次元画像から高次元画像を復元することを目的としている。 既存の教師なし表現は、表現能力と効率の間の望ましいバランスを達成するのに苦労する。 本稿では,CI再構成のための非教師なし連続表現フレームワークである分割多重解像度グリッド符号化(GridTD)を提案する。
  論文  参考訳（メタデータ） (2025-07-10T12:36:20Z)
• Limited-Angle CBCT Reconstruction via Geometry-Integrated Cycle-domain Denoising Diffusion Probabilistic Models [7.703600088651634]
  コーンビームCT(CBCT)は画像誘導治療のための臨床放射線治療に広く用いられている。 しかし、遅いガントリー回転は、運動アーティファクトの導入、ぼやけ、線量の増加によって性能を制限している。 本研究の目的は,連続的な限定角度取得から高品質CBCTボリュームを再構築するための臨床的に実現可能な方法を開発することである。
  論文  参考訳（メタデータ） (2025-06-16T14:32:16Z)
• Rapid Reconstruction of Extremely Accelerated Liver 4D MRI via Chained Iterative Refinement [8.880834588879525]
  高品質の4D MRIでは、すべての呼吸位相をカバーする高密度k空間信号の取得には、不可分に長い走査時間が必要である。 本稿では,効率的なスパースサンプリング再構成のための連鎖反復再構成ネットワーク(CIRNet)を提案する。 CIRNetは、加速のための画像品質を最大30倍に維持し、4DMRIの負担を大幅に削減する。
  論文  参考訳（メタデータ） (2024-12-14T00:43:11Z)
• UnWave-Net: Unrolled Wavelet Network for Compton Tomography Image Reconstruction [0.0]
  Compton scatter tomography (CST) は従来のCTの代替として興味深いものである。 ディープ・アンローリング・ネットワークはCT画像再構成の可能性を実証している。 UnWave-Netは、新しいウェーブレットベースの再構成ネットワークである。
  論文  参考訳（メタデータ） (2024-06-05T16:10:29Z)
• TCCT-Net: Two-Stream Network Architecture for Fast and Efficient Engagement Estimation via Behavioral Feature Signals [58.865901821451295]
  本稿では,新しい2ストリーム機能融合 "Tensor-Convolution and Convolution-Transformer Network" (TCCT-Net) アーキテクチャを提案する。 時間空間領域における意味のあるパターンをよりよく学習するために、ハイブリッド畳み込み変換器を統合する「CT」ストリームを設計する。 並行して、時間周波数領域からリッチなパターンを効率的に抽出するために、連続ウェーブレット変換(CWT)を用いて情報を2次元テンソル形式で表現する「TC」ストリームを導入する。
  論文  参考訳（メタデータ） (2024-04-15T06:01:48Z)
• 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)
• A three-dimensional dual-domain deep network for high-pitch and sparse helical CT reconstruction [13.470588027095264]
  我々はヘリカルCT再構成のためのKatsevichアルゴリズムのGPU実装を提案する。 本実装では, シングラムを分割し, CT画像のピッチをピッチで再構成する。 この実装をネットワークに埋め込むことにより,高ピッチヘリカルCT再構成のためのエンドツーエンドのディープネットワークを提案する。
  論文  参考訳（メタデータ） (2022-01-07T03:26:15Z)
• A New Backbone for Hyperspectral Image Reconstruction [90.48427561874402]
  3次元ハイパースペクトル画像(HSI)再構成は、スナップショット圧縮画像の逆過程を指す。 空間/スペクトル不変Residual U-Net、すなわちSSI-ResU-Netを提案する。 SSI-ResU-Net は浮動小数点演算の 77.3% 以上で競合する性能を実現する。
  論文  参考訳（メタデータ） (2021-08-17T16:20:51Z)
• 4D Spatio-Temporal Convolutional Networks for Object Position Estimation in OCT Volumes [69.62333053044712]
  3次元畳み込みニューラルネットワーク(CNN)は、単一のOCT画像を用いたマーカーオブジェクトのポーズ推定に有望な性能を示した。 我々は3次元CNNを4次元時間CNNに拡張し、マーカーオブジェクト追跡のための追加の時間情報の影響を評価する。
  論文  参考訳（メタデータ） (2020-07-02T12:02:20Z)

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。