論文の概要: EUReCA: End-to-End Unified CBCT Reconstruction Across Clinical Acquisitions
- arxiv url: http://arxiv.org/abs/2610.37740v1
- Date: Tue, 27 Oct 2026 16:52:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-01 01:32:09.895107
- Title: EUReCA: End-to-End Unified CBCT Reconstruction Across Clinical Acquisitions
- Title（参考訳）: EUReCA : CBCTのエンドツーエンド化
- Abstract要約: 可変ビュークリニカルライナックCBCTのための幾何認識フィードフォワードモデルを提案する。
学習したプロジェクション機能とフレーム内のFeldkamp-Davis-Kress再構築を組み合わせたものだ。
シミュレーションデータでは、EUReCAは10-100ビューで29.9-33.2dBのPSNRを獲得し、すべてのフィードフォワードベースラインを上回った。
- 参考スコア（独自算出の注目度）: 3.0359366307360163
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Cone-beam computed tomography (CBCT) is widely used for image-guided radiotherapy, but reducing the number of projections to lower dose and scan time makes reconstruction increasingly ill-posed. We present EUReCA (End-to-end Unified REconstruction across Clinical Acquisitions), a geometry-aware feed-forward model for variable-view clinical linac CBCT. For a given acquisition trajectory, EUReCA accepts 8-100 projections with a single set of weights, without view-count-specific retraining; the same architecture and training recipe extend unchanged to other clinical trajectories. It combines learned projection features with an in-frame Feldkamp-Davis-Kress (FDK) reconstruction. The model encodes each projection with a shared multiscale backbone, back-projects features into multiresolution 3D grids using the acquisition geometry, aggregates variable numbers of views at fixed computational cost, and refines the volume with a global 3D transformer and multilevel decoder. On simulated data, EUReCA achieved 29.9-33.2 dB PSNR with 10-100 views and outperformed all applicable feed-forward baselines; it also exceeded iterative optimization-based methods while running orders of magnitude faster. On 15 measured patient CBCT scans evaluated against vendor reconstructions, EUReCA achieved the best performance at every tested view count. These results suggest that geometry-aware, measurement-anchored feed-forward reconstruction can provide a practical and flexible foundation for variable-view linac CBCT.
- Abstract（参考訳）: 画像ガイド下放射線治療にはコーンビームCT(CBCT)が広く用いられているが,線量減少とスキャン時間の短縮により再建が困難になる。
本稿では,EUReCA(End-to-end Unified Reconstruction across Clinical Acquisitions)について述べる。
与えられた取得軌道に対して、EUReCAはビューカウント固有のリトレーニングなしで、単一の重み付き8-100プロジェクションを受け入れ、同じアーキテクチャとトレーニングレシピは他の臨床軌道に変化しない。
学習したプロジェクション機能とフレーム内のFeldkamp-Davis-Kress (FDK)再構築を組み合わせたものだ。
モデルでは、各プロジェクションを共有マルチスケールのバックボーンでエンコードし、取得幾何を用いて特徴をマルチ解像度の3Dグリッドにバックプロジェクションし、一定の計算コストでビューの可変数を集約し、グローバルな3Dトランスフォーマーとマルチレベルデコーダでボリュームを洗練する。
シミュレーションデータでは、EUReCAは10-100ビューで29.9-33.2dBのPSNRを達成し、適用可能なフィードフォワードベースラインをすべて上回った。
ベンダーの再建に対して評価した15例のCBCTスキャンで、EUReCAはテストされた各ビューカウントで最高の成績を収めた。
これらの結果から,幾何学的,計測的アンコール的フィードフォワード再構成は,可変リナックCBCTの実用的で柔軟な基盤となることが示唆された。
関連論文リスト
- PPCAR-Net: Projection-Refined Parametric 3D Coronary Artery Reconstruction from Sparse X-ray Angiographic Views [22.22850946597801]
PPCAR-Netは投射精製パラメトリック冠動脈再建ネットワークである。
これは、明示的な点マッチング、三角測量、中間体積を伴わずに、分岐構造された中心線と半径の表現を直接予測する。
PPCAR-Netは,CT由来の冠動脈解剖から生じる模擬血管造影マスクにおいて,より良好な動脈再建を行い,中心線精度が向上する。
論文 参考訳（メタデータ） (2026-10-07T03:40:36Z) - BA-T: An Iterative Transformer for Two-View Bundle Adjustment [53.16990349592508]
暗黙のトークン空間における繰り返し可能なレイヤとして,BAスタイルの構造化更新を実装した反復変換器であるBA-Tを提案する。
実験により、BA-Tは反復間におけるポーズと再構成の精度を徐々に改善することが示された。
BA-Tは、奥行き重心に対するコンパクトで効率的で構造的な代替手段を提供し、軽量アーキテクチャ内で正確な3D再構成を可能にする。
論文 参考訳（メタデータ） (2026-06-02T07:51:14Z) - Resolution-Independent Neural Operators for Multi-Rate Sparse-View CT [67.14700058302016]
深層学習手法は高忠実度再構成を実現するが、しばしば固定された取得設定に過度に適合する。
本稿では,連続関数空間に拡張したCT再構成フレームワークであるComputed Tomography Neural Operator (CTO)を提案する。
CTOは一貫性のあるマルチサンプリングレートとクロスレゾリューションのパフォーマンスを実現している。
論文 参考訳（メタデータ） (2025-12-13T08:31:46Z) - Deep Learning-Based Cross-Anatomy CT Synthesis Using Adapted nnResU-Net with Anatomical Feature Prioritized Loss [3.583510367091671]
マルチセンターSynthRAD2025データセットを用いて, MRからCTへの3D nnUNet適応とCTへのCBCTへのCT画像変換を提案する。
論文 参考訳（メタデータ） (2025-09-26T14:22:15Z) - 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) - C^2RV: Cross-Regional and Cross-View Learning for Sparse-View CBCT Reconstruction [17.54830070112685]
コーンビームCT(CBCT)は医療現場で広く用いられている画像技術である。
コーン状X線による測定により, CBCTの復元が困難になる。
本稿では,3次元空間におけるクロスリージョン学習を実現するために,明示的なマルチスケールボリューム表現を活用してC2RVを提案する。
論文 参考訳（メタデータ） (2024-06-06T09:37:56Z) - Geometry-Aware Attenuation Learning for Sparse-View CBCT Reconstruction [53.93674177236367]
Cone Beam Computed Tomography (CBCT) は臨床画像撮影において重要な役割を担っている。
従来の方法では、高品質な3D CBCT画像の再構成には数百の2次元X線投影が必要である。
これにより、放射線線量を減らすため、スパースビューCBCT再構成への関心が高まっている。
本稿では,この問題を解決するために,新しい幾何対応エンコーダデコーダフレームワークを提案する。
論文 参考訳（メタデータ） (2023-03-26T14:38:42Z) - 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) - Stable Optimization for Large Vision Model Based Deep Image Prior in
Cone-Beam CT Reconstruction [6.558735319783205]
LVM(Large Vision Model)は、最近医療画像のタスクにおいて大きな可能性を実証した。
Deep Image Prior(DIP)は、トレーニングされていないニューラルネットワークを効果的にガイドし、トレーニングデータなしで高品質のCBCT画像を生成する。
スパースビューCBCTのためのフォワードモデルフリーDIPモデルの安定最適化法を提案する。
論文 参考訳（メタデータ） (2022-03-23T15:16:29Z) - Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。
患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。
本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
論文 参考訳（メタデータ） (2020-06-18T09:49:11Z)
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。