DeepSparse: A Foundation Model for Sparse-View CBCT Reconstruction
本論文は、低線量かつ高品質な CBCT 画像再構成を実現するため、多視点・多スケール特徴を統合した DiCE ネットワークと大規模データを用いた HyViP 事前学習フレームワークを備えた、初の CBCT 用基盤モデル「DeepSparse」を提案し、既存手法を上回る性能を実証したものである。
⚡ Category
eess.IV
91 件の論文
Transforming H&E images into IHC: A Variance-Penalized GAN for Precision Oncology
本論文は、ピラミッド型 pix2pix の損失関数に分散ペナルティを導入してモード崩壊を抑制し、H&E 染色画像から高忠実度の HER2 免疫組織化学画像を生成する深層学習フレームワークを提案することで、乳がん診断の精度向上とコスト削減を実現するものである。
TransUNet-GradCAM: A Hybrid Transformer-U-Net with Self-Attention and Explainable Visualizations for Foot Ulcer Segmentation
Diabetic foot ulcer segmentation の課題である長距離依存性のモデル化と説明可能性を解決するため、Vision Transformer と U-Net を融合した TransUNet-GradCAM 手法を提案し、公開データセットおよび外部臨床データセットにおける高い汎化性能と臨床的有用性を検証しました。
Physics-Aware Neural Operators for Direct Inversion in 3D Photoacoustic Tomography
この論文は、3D 光音響トモグラフィ（PACT）において、物理法則を直接学習するエンドツーエンドのニューラルオペレーター「PANO」を提案し、従来の再構成手法よりも高品質な画像をリアルタイムで生成し、臨床応用への道を開くことを示しています。
UltraUPConvNet: A UPerNet- and ConvNeXt-Based Multi-Task Network for Ultrasound Tissue Segmentation and Disease Prediction
この論文は、コスト効率、移動性、安全性に優れた超音波画像診断において、従来の別々のタスクとして扱われていた疾患予測と組織セグメンテーションを、計算コストを抑えつつ同時に高精度に行うための新しい汎用フレームワーク「UltraUPConvNet」を提案し、大規模データセットでの検証によりその有効性を示しています。
CryoNet.Refine: A One-step Diffusion Model for Rapid Refinement of Structural Models with Cryo-EM Density Map Restraints
本論文は、従来の手法に比べて計算コストが低く手動調整が不要な、Cryo-EM 密度マップ制約を組み込んだワンステップ拡散モデル「CryoNet.Refine」を開発し、タンパク質複合体や DNA/RNA-タンパク質複合体の構造精密化を大幅に高速化・自動化する手法を提案しています。
Three-dimensional reconstruction and segmentation of an aggregate stockpile for size and shape analyses
本論文は、スマートフォンなどのモバイルデバイスで撮影した映像から構造から運動（SfM）技術を用いて資材山を3次元再構築し、個別の骨材をセグメント化してサイズや形状を分析する革新的な手法を提案し、現場での品質保証・管理への応用可能性を示しています。
Bootstrapping Audiovisual Speech Recognition in Zero-AV-Resource Scenarios with Synthetic Visual Data
この論文は、静止画と実音声から合成された視覚データを用いることで、ラベル付きマルチモーダルデータが存在しない言語においても、高品質な音声視覚認識システムを構築できることを示しています。
Segmentation of Retinal Low-Cost Optical Coherence Tomography Images using Deep Learning
本論文は、低コストの家庭用自己検査 OCT 装置（SELF-OCT）で取得した網膜画像を、深層学習（CNN）と畳み込み去勢オートエンコーダ（CDAE）を用いて高精度にセグメント化する手法を初めて提案し、特に PED の検出やアーティファクトの補正における有効性を示したものである。
Enhancing Brain Source Reconstruction by Initializing 3D Neural Networks with Physical Inverse Solutions
この論文は、物理的な逆解を初期推定値として用い、3D 畳み込み U-Net でデータ駆動型の事前知識を統合するハイブリッド手法「3D-PIUNet」を提案し、従来の手法やエンドツーエンドの深層学習法よりも優れた空間精度で脳源再構成を実現することを示しています。
Rethinking Few-Shot Image Fusion: Granular Ball Priors Enable General-Purpose Deep Fusion
本論文は、手動設計された事前知識の信頼性を推定する「不完全事前知識」の概念と、粒状計算に基づく「GBPC アルゴリズム」を導入し、わずか 10 組の画像対のみで学習可能な軽量な汎用深層画像融合手法を提案するものです。
Inferring Clinically Relevant Molecular Subtypes of Pancreatic Cancer from Routine Histopathology Using Deep Learning
この論文は、パナスネット（PanSubNet）と呼ばれる解釈可能な深層学習フレームワークを開発し、標準的なヘマトキシリン・エオシン染色の病理画像から膵がんの分子サブタイプを直接予測することで、コストや時間のかかる遺伝子解析に代わる臨床実用可能なツールを提供することを報告しています。
GOUHFI 2.0: A Next-Generation Toolbox for Brain Segmentation and Cortex Parcellation at Ultra-High Field MRI
本論文は、超高磁場 MRI における信号不均一性やコントラストの多様性といった課題に対処し、脳領域分割、皮質分節、体積測定を包括的かつ高精度に実行できる深層学習ベースのツールボックス「GOUHFI 2.0」を提案するものである。
ZACH-ViT: Regime-Dependent Inductive Bias in Compact Vision Transformers for Medical Imaging
医療画像の空間的構造が弱い領域において、位置エンコーディングや [CLS] トークンを除去しパッチの置換不変性を導入した軽量モデル「ZACH-ViT」が、データ不足の条件下でも従来の Vision Transformer よりも優れた性能を発揮し、データ構造に適合したアーキテクチャ設計の有効性を示しました。
ARCHE: Autoregressive Residual Compression with Hyperprior and Excitation
本論文は、再帰的またはトランスフォーマー構造に依存せず、階層的・空間的・チャネルベースの事前分布と適応的特徴再較正を統合した効率的な畳み込み設計により、VVC 内符号化を凌駕する高効率な画像圧縮を実現するエンドツーエンド学習フレームワーク「ARCHE」を提案するものである。
An FPGA Implementation of Displacement Vector Search for Intra Pattern Copy in JPEG XS
本論文は、JPEG XS 規格における低遅延・低複雑度符号化を目的とした「イントラパターンコピー（IPC）」の重要なモジュールである変位ベクトル探索を、最適化されたメモリ構成とパイプライン設計を備えた効率的な FPGA 実装により高速かつ低消費電力で処理可能にする手法を提案し、その実用性を示したものである。
Semantic Satellite Communications for Synchronized Audiovisual Reconstruction
本論文は、帯域幅制約や遅延に直面する衛星通信において、双方向生成アーキテクチャと大規模言語モデルによる適応的制御を活用し、高品質な同期音视频復元を実現する新しい意味伝送システムを提案するものである。
Regularizing INR with diffusion prior self-supervised 3D reconstruction of neutron computed tomography data
この論文は、合成データのみで事前学習された拡散モデル事前分布を用いて Implicit Neural Representation (INR) を正則化する「Diffusive INR (DINR)」を提案し、極端に少ない視点からの中性子 CT 画像においても、従来の手法を凌駕する高品質な 3 次元再構成を実現することを示しています。
An Efficient Self-supervised Seismic Data Reconstruction Method Based on Self-Consistency Learning
本論文は、追加データなしで地震波データの不規則な欠損を高精度に復元するよう、自己整合性学習戦略と軽量ネットワークを組み合わせた効率的な自己教師あり手法を提案し、公開データセットによる検証でその有効性を示しています。
ECLARE: Efficient cross-planar learning for anisotropic resolution enhancement
臨床 MRI 画像の厚いスライスやスライス間ギャップによる解像度低下を解決するため、外部データに依存せずスライスプロファイル推定と自己学習に基づく効率的な超解像手法「ECLARE」を提案し、信号回復および下流タスクにおいて既存手法を上回る性能を実証した論文です。