論文の概要: Domain-Adapted Latent Diffusion Models for CT-to-PET Image Translation

• arxiv url: http://arxiv.org/abs/2610.35132v1
• Date: Mon, 26 Oct 2026 10:06:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.821284
• Title: Domain-Adapted Latent Diffusion Models for CT-to-PET Image Translation
• Title（参考訳）: CT-PET画像変換のための領域適応潜在拡散モデル
• Abstract要約: Positron Emission Tomography (PET) は腫瘍の検出とステージングに重要な代謝情報を提供する。 PETは、高コスト、インフラ要件、放射性トレーサの注入による依存のため、CT(Computed Tomography)よりもアクセス性が著しく低いままである。 我々は,21,930対のCT/PETスライスからなる比較的小さなデータセットを用いて,自然像を転送するドメイン適応潜在拡散フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.9589644878034554
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Positron Emission Tomography (PET) provides important metabolic information for tumor detection and staging but remains significantly less accessible than Computed Tomography (CT) due to its high cost, infrastructure requirements, and reliance on injected radioactive tracers. CT-to-PET image translation using generative models aims to address this disparity, yet state-of-the-art diffusion-based methods are limited by the scarcity of paired training data. To overcome this, we propose a domain-adapted latent diffusion framework that transfers natural-image priors using a relatively small dataset of 21,930 paired CT/PET slices, incorporating a signed power transform to resolve extreme intensity sparsity in PET data. Compared to CPDM, a state-ofthe-art baseline for CT-to-PET image translation, our approach yields superior performance in pixel-wise reconstruction and localized tumor fidelity, demonstrating effective transfer of natural-image priors to the medical domain. We further provide a systematic analysis of evaluation metric reliability for sparse PET data, showing that standard full-image metrics can be misleading indicators of translated image quality, and propose background-filtered and mask-restricted metrics as more clinically meaningful alternatives.
• Abstract（参考訳）: PET(Positron Emission Tomography)は、腫瘍の検出とステージングに重要な代謝情報を提供するが、CT(Computed Tomography)よりも高いコスト、インフラ要件、および注入された放射性トレーサへの依存のため、アクセス性が著しく低い。 生成モデルを用いたCT-to-PET画像変換は,この格差に対処することを目的としている。 そこで本研究では,21,930対のCT/PETスライスを比較的小さなデータセットとして,PETデータにおける極度の強度空間性を解決するために,符号付きパワー変換を組み込んだ,自然像を転送するドメイン適応遅延拡散フレームワークを提案する。 CT-PET画像翻訳の最先端ベースラインであるCPDMと比較して, 画像の再構成や局所的な腫瘍の忠実度に優れ, 医用領域への自然像の移入が効果的であることを示す。 さらに、スパースPETデータに対する評価基準信頼性の体系的分析を行い、標準的なフルイメージメトリクスが翻訳画像品質の指標を誤解させる可能性があることを示し、背景フィルタおよびマスク制限メトリクスを、より臨床的に有意な代替手段として提案する。

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)
• Distilling Photon-Counting CT into Routine Chest CT through Clinically Validated Degradation Modeling [51.330452704464925]
  145の病院から1,046のPCCTと405,379のEICTで潜伏拡散モデルを訓練した。 我々は,PCCTライクな品質に拡張された17,316以上の公開EICTの大規模データセットを構築した。 以上の結果から,現像技術の進歩は,限られた高画質スキャンを基準として,定期的なEICTに体系的に蒸留できることが示唆された。
  論文  参考訳（メタデータ） (2026-04-08T17:47:35Z)
• CT-Less Attenuation Correction Using Multiview Ensemble Conditional Diffusion Model on High-Resolution Uncorrected PET Images [31.66812884304363]
  減衰は、検出器に到達する前に生体組織を横切ると検出される光子の最小化を指す。 ニューラルネットワークアーキテクチャの新しい進歩は、合成CT画像合成による代替アプローチを提案する。 Siemens Biograph Vision PET/CTスキャナで得られた159個の頭部スキャンの結果、擬似CT生成の質的および定量的な改善が示された。
  論文  参考訳（メタデータ） (2025-10-28T01:18:35Z)
• Direct Dual-Energy CT Material Decomposition using Model-based Denoising Diffusion Model [105.95160543743984]
  本稿では,Dual-Energy Decomposition Model-based Diffusion (DEcomp-MoD) と呼ばれる深層学習手法を提案する。 Decomp-MoDは、教師なしスコアベースモデルと教師なしディープラーニングネットワークより優れていることを示す。
  論文  参考訳（メタデータ） (2025-07-24T01:00:06Z)
• 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)
• CT to PET Translation: A Large-scale Dataset and Domain-Knowledge-Guided Diffusion Approach [4.4202829112545015]
  PET(Positron Emission Tomography)とCT(Computed Tomography)は、様々な疾患、特にがんの診断、ステージング、モニタリングに不可欠である。 その重要性にもかかわらず、PET/CTシステムの使用は、放射性物質の必要性、PETスキャナーの不足、PETイメージングに関連する高コストによって制限されている。 これらの課題に対して,CT画像からPET画像を生成するという課題に対処し,医療検査コストと患者の健康リスクの両面で低減することを目的とした。
  論文  参考訳（メタデータ） (2024-10-29T10:48:52Z)
• 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)
• 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)
• 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)

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。