SinoSynth: 一般化可能なCBCT画像強調のための物理ベースドメインランダム化アプローチ
Yunkui Pang1, Yilin Liu1, Xu Chen2
1University of North Carolina at Chapel Hill, Chapel Hill, NC 27599, USA.
Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention
|December 19, 2025
まとめ
SinoSynthは、アーチファクトをシミュレートすることにより、リアルな合成コーンビームCT（CBCT）画像を生成します。この物理ベースのアプローチは、実際のデータでトレーニングされた方法よりも優れたパフォーマンスを発揮する医療画像用の深層学習モデルを改善します。
科学分野:
- 医用画像処理
- 計算画像処理
- 医療における人工知能
背景:
- コーンビームCT（CBCT）は医療に不可欠ですが、画質はノイズやアーチファクトによって損なわれることがよくあります。
- 既存のアーチファクト補正方法は、トレーニングデータの制限により、多様な劣化に対処するのに苦労しています。
主な方法:
- 高品質のCT画像からCBCT固有のアーチファクトをシミュレートするために、物理ベースの劣化モデル（SinoSynth）を開発しました。
- 事前に整列されたデータセットを必要とせずに、多様な合成CBCT画像のデータセットを生成しました。
- アーチファクト補正のために合成データで生成ネットワークをトレーニングしました。
結論:
- SinoSynthは、CBCTアーチファクト補正におけるデータ拡張のための効果的なソリューションを提供します。
- 物理ベースのシミュレーションは、医療画像用の深層学習モデルの堅牢性と一般化可能性を向上させます。
- このアプローチは、CBCTにおける制限された多様なアーチファクトデータの課題に対処します。
