論文の概要: EPC-RawDC: Equivariant Physics Constrained 3D Diffusion with Raw Data Consistency for CBCT to CT Image Synthesis

• arxiv url: http://arxiv.org/abs/2610.40046v1
• Date: Thu, 29 Oct 2026 13:42:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-01 01:32:10.09093
• Title: EPC-RawDC: Equivariant Physics Constrained 3D Diffusion with Raw Data Consistency for CBCT to CT Image Synthesis
• Title（参考訳）: EPC-RawDC: CBCTとCT画像合成のための原データ一貫性を持つ等変物理制約3次元拡散
• Abstract要約: EPC-RawDCはCBCTからCT合成のための条件付き3D潜伏拡散フレームワークである。 ボリューム生成モデリングと、同じスキャナー固有のCBCTフォワードモデルから導出される2つの相補的制約を組み合わせる。 以上の結果から,CT合成におけるCBCTの有用性が示唆された。
• 参考スコア（独自算出の注目度）: 43.92108185590778
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cone beam computed tomography (CBCT) is widely used for image guided and adaptive radiotherapy, but scatter, noise, reconstruction artifacts, and inaccurate Hounsfield units limit its quantitative use. Recent diffusion approaches for CBCT to CT synthesis remain largely image driven, with limited use of the underlying acquisition physics. We propose EPC-RawDC, a conditional 3D latent diffusion framework that combines volumetric generative modeling with two complementary constraints derived from the same scanner specific CBCT forward model. First, geometry equivariant projection constraint exploits the rotational equivariance of the CBCT forward operator by supervising the synthesized CT through correspondingly transformed reference projections. Second, raw data consistency uses noisy projection measurements of the individual acquisition as scan specific supervision during training. The framework was evaluated on two independent clinical cohorts with distinct scanner geometries and projection sources. For JUST, the physics constraints used measured clinical raw CBCT projections acquired with an Elekta system, whereas for SynthRAD2025 the projection data were simulated from the reference CT using a Varian geometry with Poisson photon statistics. EPC-RawDC achieved an SSIM of 0.97 in both cohorts and improved PSNR over DDPM by 2.66 dB on SynthRAD2025 and 2.10 dB on JUST, while reducing mean MAE by 20.3% and 19.0%, respectively. On SynthRAD2025, projection consistency and equivariant errors were reduced by 55.0% and 41.4% relative to DDPM. These results demonstrate that combining a volumetric diffusion prior with scanner geometry and scan specific projection measurements improves quantitative CBCT to CT synthesis across both simulated and measured projection domains. Code available after publication at https://github.com/ALZAHRAALTALIB/EPC-RawDC.
• Abstract（参考訳）: コーンビームCT(CBCT)は画像ガイドおよび適応放射線療法に広く用いられているが、散乱、ノイズ、再建遺物、不正確なハウンズフィールド単位の量的使用は制限されている。 CBCTからCT合成への最近の拡散アプローチは画像駆動であり、基礎となる獲得物理は限られている。 EPC-RawDCは, 容積生成モデルと同一のスキャナ固有CBCTフォワードモデルから導出される2つの相補的制約を結合した, 条件付き3次元潜時拡散フレームワークである。 第一に、幾何同変射影制約は、対応する変換された参照射影を通して合成CTを監督することによりCBCTフォワード演算子の回転同値性を利用する。 第二に、生データの一貫性は、個々の取得のノイズ予測測定を、トレーニング中に特定の監視をスキャンするために利用する。 このフレームワークは、異なるスキャナーと投影源を持つ2つの独立した臨床コホートで評価された。 JUSTでは,Elektaシステムで得られたCBCTプロジェクションを物理制約で測定し,SynthRAD2025ではポアソン光子統計を用いたヴァリアン幾何を用いて基準CTから投影データをシミュレーションした。 EPC-RawDCは両コホートでのSSIMは0.97で、SynthRAD2025では2.66dB、JUSTでは2.10dB、平均MAEは20.3%、PSNRは19.0%向上した。 SynthRAD2025では、プロジェクションの整合性と等変誤差がDDPMと比較して55.0%、41.4%削減された。 これらの結果から, 走査型投影法と走査型投影法を併用することにより, シミュレーションおよび測定された投影領域間での定量的CBCTとCT合成が向上することが示唆された。 コードはhttps://github.com/ALZAHRAALTALIB/EPC-RawDCで公開されている。

関連論文リスト

• Multi-Contrast MRI Motion Correction via Parameter-Informed Disentanglement and Adaptive Experts [56.74856091904914]
  パラメータインフォームドコントラストと重度適応補正を組み合わせた統合フレームワークを提案する。 ScanCLIPは、取得パラメータからアンタングルコントラストスタイルへのコントラスト埋め込みを解剖学的内容から導き、コントラストのない特徴をもたらす。 ビジョントランスフォーマーは、動きの重大度を推定し、Mixture-of-Expertsネットワークを介して特徴をルーティングし、ターゲットのアーティファクト修正を可能にする。
  論文  参考訳（メタデータ） (2026-05-29T02:48:23Z)
• EPC-3D-Diff: Equivariant Physics Consistent Conditional 3D Latent Diffusion for CBCT to CT Synthesis [36.790666885042356]
  CBCTからCT合成のための新しい条件付き3次元潜伏拡散フレームワークであるEPC-3D-Diffを提案する。 我々は、体積の平面内回転がその射影の角シフトに対応するという事実を利用する。 我々は,反復スキャンを含む頭部CBCT/CTファントムデータセットと,患者の賢明な分割を用いた臨床データについて検証した。 EPC-3D-Diffは、技術手法の状況と比較して、PSNRにおける+7.4 dB(ファントム)と+1.8 dB(クリニカルデータ)の大幅な改善を実現している。
  論文  参考訳（メタデータ） (2026-05-19T20:34:09Z)
• GANeXt: A Fully ConvNeXt-Enhanced Generative Adversarial Network for MRI- and CBCT-to-CT Synthesis [4.966806084618106]
  我々は3Dパッチベースの完全ConvNeXtによるCT合成のための生成対向ネットワークであるGANeXtを提案する。 特に、GANeXtは、3D ConvNeXtブロックとコンパクトカーネルを積み重ねた効率的なU字型ジェネレータを使用している。 合成品質を向上させるため、平均絶対誤差(MAE)、知覚的損失、セグメンテーションに基づくマスクMAE、対向的損失を含む損失関数の組み合わせを組み込んだ。
  論文  参考訳（メタデータ） (2025-12-22T12:32:16Z)
• EqDiff-CT: Equivariant Conditional Diffusion model for CT Image Synthesis from CBCT [43.92108185590778]
  画像誘導放射線療法(IGRT)に広く用いられているコーンビームCT(CBCT) CBCTから高品質なCT画像を生成するために,EqDiff-CTという新しい拡散型条件生成モデルを提案する。
  論文  参考訳（メタデータ） (2025-09-26T05:51:59Z)
• BridgeSplat: Bidirectionally Coupled CT and Non-Rigid Gaussian Splatting for Deformable Intraoperative Surgical Navigation [69.14180476971602]
  変形可能な手術ナビゲーションのための新しいアプローチであるBridgeSplatを紹介する。 提案手法は3次元ガウスをCTメッシュにリグし,ガウスパラメータとメッシュ変形の合同最適化を可能にする。 シミュレーションにより,BridgeSplatがブタの内臓手術およびヒト肝臓の合成データに与える影響を実証した。
  論文  参考訳（メタデータ） (2025-09-23T01:09:36Z)
• 3D Nephrographic Image Synthesis in CT Urography with the Diffusion Model and Swin Transformer [3.8557197729550485]
  提案手法は,高品質な3次元腎画像の合成を効果的に行う。 画像の品質を損なうことなく、CTUの放射線線量を33.3%削減することができる。
  論文  参考訳（メタデータ） (2025-02-26T23:22:31Z)
• Improving Cone-Beam CT Image Quality with Knowledge Distillation-Enhanced Diffusion Model in Imbalanced Data Settings [6.157230849293829]
  毎日のコーンビームCT(CBCT)画像は、治療調整の要点であり、組織密度の精度が低い。 治療中のCBCTデータを最大化し, 疎対ファンビームCTで補完した。 本手法はRTにおけるCBCTスキャンから高画質CT画像を生成する上で有望であることを示す。
  論文  参考訳（メタデータ） (2024-09-19T07:56:06Z)
• CyTran: A Cycle-Consistent Transformer with Multi-Level Consistency for Non-Contrast to Contrast CT Translation [56.622832383316215]
  コントラストCTを非コントラストCTに変換する手法を提案する。 提案手法は、CyTranを略して、サイクル一貫性のある生成逆転変換器に基づいている。 実験の結果、CyTranは競合するすべての手法より優れています。
  論文  参考訳（メタデータ） (2021-10-12T23:25:03Z)
• 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。