論文の概要: L0-Norm-Based CycleGAN for Unpaired Brain CT-to-MR Synthesis

• arxiv url: http://arxiv.org/abs/2610.32491v1
• Date: Fri, 23 Oct 2026 11:07:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 01:38:06.503423
• Title: L0-Norm-Based CycleGAN for Unpaired Brain CT-to-MR Synthesis
• Title（参考訳）: L0-Norm-based CycleGAN for Unpaired Brain CT-to-MR synthesis (特集 医療と医療)
• Abstract要約: CycleGAN(Cycle-Consistent Adversarial Network)は、不対位CT-MR合成を可能にする。 本稿では、L0-ノルムを滑らかで有界な関数で近似する、L0-norm-based cycle?consistency termを紹介する。
• 参考スコア（独自算出の注目度）: 1.7488241267554618
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Computed tomography (CT) and magnetic resonance (MR) imaging provide complementary information for the brain, but acquiring both modalities is not always possible. The cycle-consistent adversarial network (CycleGAN) enables unpaired CT-to-MR synthesis, but because the standard L1-norm cycle?consistency penalty grows linearly with the residual magnitude, the network tends to focus on large residuals. This paper introduces an L0-norm-based cycle?consistency term, in which the L0-norm is approximated by a smooth and bounded function. This approximation not only increases sensitivity to small residuals but also effectively suppresses the influence of large residuals. The proposed model and an otherwise identical L1-norm baseline were trained on 102 images and evaluated on 9 test images. The proposed model achieves a lower mean squared error (0.02746 versus 0.03464, a 20.7% reduction), a higher mean peak signal-to-noise ratio (15.80 versus 14.77 dB), and a higher mean structural similarity index (0.5689 versus 0.5407). It also has a lower maximum MSE and higher minimum PSNR and SSIM than the baseline. These results indicate that modifying the cycle-consistency penalty can improve reconstruction accuracy on this dataset.
• Abstract（参考訳）: CT(CT)とMRI(MRI)は脳に相補的な情報を提供するが、両方のモダリティを取得することは必ずしも不可能である。 CycleGAN(CycleGAN)は,標準L1-ノルムサイクルのため,不対位CT-MR合成を可能にする。 整合性ペナルティは、残留等級とともに直線的に増加し、ネットワークは大きな残留物に集中する傾向にある。 本稿では,L0ノルムサイクルを紹介する。 L0-ノルムが滑らかで有界な関数によって近似される一貫性項。 この近似は小さな残留物に対する感受性を高めるだけでなく、大きな残留物の影響を効果的に抑制する。 提案モデルと同一のL1ノルムベースラインを102枚の画像でトレーニングし,9枚の画像で評価した。 提案モデルでは,平均2乗誤差(0.02746 vs 0.03464,20.7%削減),平均信号対雑音比(15.80 vs 14.77 dB),平均構造類似度指数0.5689 vs 0.5407)を実現している。 また、ベースラインよりもMSEが低く、PSNRとSSIMも高い。 これらの結果から,サイクル一貫性ペナルティの修正により,このデータセットの再構築精度が向上することが示唆された。

関連論文リスト

• SAM-on-the-Curve: Sharpness-Aware Mode Connectivity for Robust Weight-Space Interpolation [47.90630286646711]
  低損失接続は不完全な幾何学的基準であると主張する。 シャープモード接続性(SMC)を提案し、その結果のミニマックス関数に一階のシャープネス対応近似を適用した。 SMCは負の損失障壁を生じるため、最適化された経路の内部点で得られたモデルは平均的なエンドポイント損失よりも優れる。
  論文  参考訳（メタデータ） (2026-09-15T19:00:19Z)
• Medical Foundation Model Features as Perceptual Loss for Brain MRI Contrast Dose Simulation [1.5123472914752591]
  ほとんどの知覚的損失は、VGG16やResNet50のような自然像のバックボーンで計算される。 このミスマッチは解剖学、コントラストの強化、獲得の多様性の監督を弱める可能性がある。 脳MRIの造影線量シミュレーションにおいて,医療基礎モデルの特徴がより適切な知覚的損失をもたらすかどうかを検証した。
  論文  参考訳（メタデータ） (2026-08-28T18:30:34Z)
• Modeling Normal Is All You Need: Joint Latent Clustering for Anomaly Detection in Multimodal Cyber-Physical Systems [47.027290803102666]
  通常の行動は、多くの不均衡で、曲がりくねった、細い範囲の運営体制の結合である。 我々は正規法則を、共同学習された潜在表現と明示的なガウス混合モードクラスタリングでモデル化する。 ポイント調整のない生のポイントワイドメトリクス、自明な検出困難分割、頻度整合F1、列車正規化のみのキャリブレーションを意図的に評価する。
  論文  参考訳（メタデータ） (2026-07-07T10:10:00Z)
• CT-to-X-ray Distillation Under Tiny Paired Cohorts: An Evidence-Bounded Reproducible Pilot Study [11.316541559874864]
  本研究は,CT-to-X-rayアーキテクチャではなく,正確なタスク定義,障害モード,ランキング不安定性,将来的なCT-to-X-ray転送要求の最小要件を明示する再現性とエビデンスに縛られたパイロットプロトコルである。
  論文  参考訳（メタデータ） (2026-03-31T02:25:33Z)
• Suppressing Prior-Comparison Hallucinations in Radiology Report Generation via Semantically Decoupled Latent Steering [94.37535002230504]
  本研究では,Semantically Decoupled Latent Steeringと呼ばれる学習自由な推論時間制御フレームワークを開発した。 提案手法は,大言語モデル (LLM) による意味分解による意味のない介入ベクトルを構築する。 本手法は歴史的幻覚の可能性を著しく低下させることを示す。
  論文  参考訳（メタデータ） (2026-02-27T04:49:01Z)
• I Detect What I Don't Know: Incremental Anomaly Learning with Stochastic Weight Averaging-Gaussian for Oracle-Free Medical Imaging [2.384534878752428]
  異常ラベルを使わずに,信頼度の高い正規サンプル群を漸進的に拡張する,教師なしのオラクルフリーフレームワークを導入する。 凍結した事前訓練された視覚バックボーンは、小さな畳み込みアダプタで拡張され、無視できる計算オーバーヘッドを伴う高速なドメイン適応が保証される。 COVID-CXRでは、ROC-AUCは0.9489から0.9982に改善され、肺炎CXRでは0.6834から0.8968に上昇し、脳MRIではND-5では0.6041から0.7269に上昇する。
  論文  参考訳（メタデータ） (2025-11-05T23:28:14Z)
• Exploring contrast generalisation in deep learning-based brain MRI-to-CT synthesis [0.0]
  MRIプロトコルは、経時的に変化するか、または低品質のsCTをもたらすセンターによって異なる可能性がある。 ドメインランダム化(DR)は、脳sCT生成のためのDLモデルの一般化を増大させる。
  論文  参考訳（メタデータ） (2023-03-17T18:45:05Z)
• 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)
• Negligible effect of brain MRI data preprocessing for tumor segmentation [36.89606202543839]
  我々は3つの公開データセットの実験を行い、ディープニューラルネットワークにおける異なる前処理ステップの効果を評価する。 その結果、最も一般的な標準化手順は、ネットワーク性能に何の価値も与えないことが示されている。 画像の規格化に伴う信号分散の低減のため,画像強度正規化手法はモデル精度に寄与しない。
  論文  参考訳（メタデータ） (2022-04-11T17:29:36Z)
• OCT-GAN: Single Step Shadow and Noise Removal from Optical Coherence Tomography Images of the Human Optic Nerve Head [47.812972855826985]
  我々は、ノイズと網膜の影の両方を10.4ms以内で見えない単一フレームのBスキャンから除去する単一プロセスを開発した。 提案アルゴリズムは,長い画像取得時間の必要性を低減し,高価なハードウェア要件を最小化し,OCT画像の動作アーティファクトを低減する。
  論文  参考訳（メタデータ） (2020-10-06T08:32:32Z)

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。