כתבה
arXiv cs.AI ·
מודל דיפוזיה הדדי לסינתזה של תמונות CT
Equivariant Conditional Diffusion Model for Head and Neck CT Image Synthesis from CBCT
חוקרים פיתחו מודל דיפוזיה הדדי לסינתזה של תמונות CT מתמונות CBCT. המודל, EqDiff-CT, משתמש במודל דיפוזיה דנויזינג ורשת U-Net עם שכבות e2cnn כדי לשפר את איכות התמונות. המודל הוכשר ונבדק על מאגר הנתונים SynthRAD2025.
תקציר מקורי באנגליתarXiv:2509.21913v2 Announce Type: replace-cross Abstract: Background: Cone-beam computed tomography CBCT is a commonly used modality for image guided radiotherapy. It offers real time anatomical visualization with low acquisition cost and dose. Nevertheless, photon scattering and beam hindrance lead CBCT images to suffer from several artifacts. These involve inaccurate Hounsfield Unit HU values, which render a lower reliability towards the dose calculations and adaptive planning. Purpose: Computed tomography CT, on the contrary, offers better image quality and accurate HU calibration, yet is typically acquired using offline mode and fails to capture the intra-treatment anatomical changes. This renders a need for developing an accurate CBCT to CT synthesis to mitigate the gap in imaging qua
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית