論文の概要: Generative Priors for Total-Body PET Reconstruction

• arxiv url: http://arxiv.org/abs/2610.23870v1
• Date: Fri, 18 Sep 2026 14:51:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 23:07:57.15837
• Title: Generative Priors for Total-Body PET Reconstruction
• Title（参考訳）: PET全体再建の先駆的課題
• Abstract要約: 全体ポジトロン放射トモグラフィ(TB-PET)は、長い軸方向の視野で高速で低線量でダイナミックなイメージングを可能にする。 生成モデルは低数PETに対して強力な学習先を提供するが、TBスケールでの明示的な測定条件は示されていない。 TB-PET-DDSは,CT条件付きジェネレーティブと患者固有のPETデータを組み合わせた再構成フレームワークである。
• 参考スコア（独自算出の注目度）: 2.7122854436832307
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Total-body positron emission tomography (TB-PET) enables fast, low-dose, and dynamic imaging over a long axial field of view, but reconstruction remains challenging due to reduced counts, large image volumes, and increased data dimensionality. Generative models offer powerful learned priors for low-count PET, yet explicit PET measurement conditioning at TB scale has not been demonstrated. Inspired by PET decomposed diffusion sampling (PET-DDS), we propose TB-PET-DDS, a reconstruction framework that combines a CT-conditioned generative prior with patient-specific list-mode PET data. During reverse diffusion, PET consistency is enforced using a closed-form 3D TB-PET maximum-a-posteriori expectation maximisation fusion update, rather than relying solely on image-domain conditioning. The synthetic measurements are generated from the low-dose vendor reconstruction, providing a controlled inverse problem and retaining a full-dose reference. Proof-of-concept evaluation was performed on a single clinical TB-PET acquisition, with reconstruction hyperparameters selected against the full-dose reconstruction from the same case for all models. TB-PET-DDS improved NRMSE and SSIM relative to the DDIM and Image-DDS baselines, improving through-plane consistency in coronal views while enhancing agreement with the measured PET data. Although smoothed low-dose vendor reconstructions achieved the best global voxel-wise metrics, TB-PET-DDS produced the lowest liver coefficient of variation. These results demonstrate the feasibility of measurement conditioned diffusion reconstruction at TB scale and provide an initial route towards learned, projector-consistent generative reconstruction for low-count TB-PET imaging.
• Abstract（参考訳）: 全体ポジトロン放射トモグラフィ(TB-PET)は、長い軸方向視野での高速、低線量、ダイナミックイメージングを可能にするが、カウントの減少、画像量の増加、データ次元の増大など、再建は依然として困難である。 生成モデルは低数PETに対して強力な学習先を提供するが、TBスケールでの明示的なPET測定条件は示されていない。 PET分解拡散サンプリング(PET-DDS)にインスパイアされたPET-PET-DDS(TB-PET-DDS)を提案する。 逆拡散中は、画像領域条件のみに依存するのではなく、3D TB-PET の最大値の最大値の最大値の融合更新を用いてPETの一貫性を強制する。 低線量ベンダー再構成から合成測定結果を生成し、制御された逆問題を提供し、フル線量参照を保持する。 TB-PETを1回接種し,全モデルで同じ症例から全量再建に対して再建ハイパーパラメータが選択された。 TB-PET-DDS は DDIM と Image-DDS のベースラインに対して NRMSE と SSIM を改善した。 TB-PET-DDSは,低用量ベンダーのスムーズな再建が世界最高のボクセル単位の指標となったが,肝の変動係数は低かった。 これらの結果は, 測定条件付き拡散再構成をTBスケールで実現可能であることを示し, TB-PET画像の学習, プロジェクタに一貫性のある生成的再構成を行うための最初の経路を提供する。

関連論文リスト

• 3D CT-to-PET Translation via Latent Brownian Bridge Diffusion [2.013258778704508]
  潜在ブラウン橋拡散(BBDM)に基づく3次元CT-PET変換フレームワークを提案する。 提案手法はPET信号の忠実度を向上し,臨床的に関連のある取り込みパターンを良好に保ち,低分子代謝活性の維持における性能の向上を示す。
  論文  参考訳（メタデータ） (2026-09-11T13:47:50Z)
• PET-Adapter: Test-Time Domain Adaptation for Full and Limited-Angle PET Image Reconstruction [3.0104188217541563]
  本稿では, ファントムデータのみに基づいて事前学習したPET再構成モデルのためのテスト時間領域適応フレームワークPET-Adapterを提案する。 提案手法は, 異なる解剖, トレーサ, スキャナ構成を持つ臨床データセットに, ペアの地上真実を必要とせずに適応することができる。 複数の臨床データセットにまたがる実験は、フルアングルとリミテッドアングルの両方で優れた3D再構成性能を示す。
  論文  参考訳（メタデータ） (2026-05-08T17:15:33Z)
• Physics-Constrained Diffusion Reconstruction with Posterior Correction for Quantitative and Fast PET Imaging [17.255010452905502]
  PET画像再構成のための後方物理補正(PET-DPC)を用いた条件拡散モデル PET-DPCは、完全に修正されたOSEM画像と密に整合した再構築を行い、定量的メトリクスでエンドツーエンドのディープラーニングモデルより優れている。
  論文  参考訳（メタデータ） (2025-08-20T02:39:55Z)
• Supervised Diffusion-Model-Based PET Image Reconstruction [44.89560992517543]
  PET画像再構成の前兆として拡散モデル (DM) が導入された。 PET再構成のための教師付きDMベースアルゴリズムを提案する。 本手法はPETのポアソン確率モデルの非負性性を強制し,PET画像の広い範囲に適応する。
  論文  参考訳（メタデータ） (2025-06-30T16:39:50Z)
• Personalized MR-Informed Diffusion Models for 3D PET Image Reconstruction [40.722159771726375]
  本稿では,PET-MR スキャンのデータセットから対象特異的なPET画像を生成するための簡易な手法を提案する。 私たちが合成した画像は、被験者のMRスキャンからの情報を保持し、高分解能と解剖学的特徴の保持につながる。 18ドルF]FDGデータセットのシミュレーションと実データを用いて,対象特異的な「擬似PET」画像を用いたパーソナライズされた拡散モデルの事前学習により,低カウントデータによる再構成精度が向上することを示す。
  論文  参考訳（メタデータ） (2025-06-04T10:24:14Z)
• End-to-end Triple-domain PET Enhancement: A Hybrid Denoising-and-reconstruction Framework for Reconstructing Standard-dose PET Images from Low-dose PET Sinograms [43.13562515963306]
  低線量PETシングラムから標準線量PET画像の再構成を行うために,TripleTフレームワークを提案する。 提案したTriPLETは,最先端の手法と比較して,SPET画像と実データとの類似性と信号対雑音比が最も高い再構成を行うことができる。
  論文  参考訳（メタデータ） (2024-12-04T14:47:27Z)
• Diffusion Transformer Model With Compact Prior for Low-dose PET Reconstruction [7.320877150436869]
  低線量PET画像の再構成品質を高めるために,JCP(Joint compact prior)により導かれる拡散変圧器モデルを提案する。 DTMは拡散モデルの強力な分布マッピング能力と変圧器の容量を組み合わせて長距離依存を捉える。 本手法は放射線曝露リスクを軽減するだけでなく,早期診断や患者管理のためのPETイメージングツールも提供する。
  論文  参考訳（メタデータ） (2024-07-01T03:54:43Z)
• Two-Phase Multi-Dose-Level PET Image Reconstruction with Dose Level Awareness [43.45142393436787]
  線量レベルの認識が可能な新しい二相多段PET再構成アルゴリズムを設計する。 事前学習フェーズは、きめ細かい識別特徴と効果的な意味表現の両方を探索するために考案された。 SPET予測フェーズは、事前学習した線量レベルを利用した粗い予測ネットワークを採用して予備結果を生成する。
  論文  参考訳（メタデータ） (2024-04-02T01:57:08Z)
• Contrastive Diffusion Model with Auxiliary Guidance for Coarse-to-Fine PET Reconstruction [62.29541106695824]
  本稿では, 粗い予測モジュール (CPM) と反復的修正モジュール (IRM) から構成される粗大なPET再構成フレームワークを提案する。 計算オーバーヘッドの大部分をCPMに委譲することで,本手法のサンプリング速度を大幅に向上させることができる。 2つの追加戦略、すなわち補助的な誘導戦略と対照的な拡散戦略が提案され、再構築プロセスに統合される。
  論文  参考訳（メタデータ） (2023-08-20T04:10:36Z)

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。