スパース視CT再構成のための条件付き拡散事後整合（CDPA）

arXiv cs.LG / 2026/4/27

💬 オピニオンIdeas & Deep AnalysisModels & Research

共有:

要点

この論文は、3Dボリュームへの拡散ベース手法のスケールが難しいという課題（メモリ/計算負荷の高さ、3D学習データ不足、スライス単位の2D処理によるスライス間不整合）に取り組みます。
条件付き拡散事後整合（CDPA）を提案し、初期の3D再構成を条件として2D U-Net拡散モデルを用いることでスライス間の整合性を高めつつ、観測された投影との間でデータ整合性を明示的に整える仕組みを組み込みます。
合成データと実データのCone Beam CT（CBCT）で最先端（SOTA）の性能を示し、アブレーションにより「条件付け」と「データ整合性整列」が相乗的に効くことを確認しています。
さらに、同様の原理が高速なデノイズU-Netにも有効であり、大幅に低い計算コストで拡散モデルに近い再構成品質を達成できることを報告しています。

Abstract

コンピューテッドトモグラフィ（CT）は、医療および産業分野で広く用いられている画像診断方式である。放射線被ばくと計測時間を抑えるために、投影ビュー数を大幅に減らすことである疎視野CT（sparse-view CT）への関心が高まっている。深層ニューラルネットワークは、特に生成型拡散モデルにおいて、疎視野CTの再構成品質を改善する上で大きな可能性を示してきた。しかし、これらの手法は、いくつかの理由により、大規模な3Dボリュームへのスケールに苦戦している：(i) 3Dモデルに伴う高いメモリおよび計算要件、(ii) 大規模な3D学習データセットの不足、そして(iii) 2Dモデルを各スライスに独立に適用する際に生じるスライス間の不整合。私たちは、条件付き拡散と明示的なデータ整合性（data consistency）を組み合わせることで、これらの制約を克服し、大規模3Dボリュームに対する拡散ベースの疎視野CT再構成をスケールすることに成功する。大規模3D疎視野CT再構成を可能にするために、Conditional Diffusion Posterior Alignment（CDPA）を提案する。スライス間の一貫性を高めるために、2D U-Net拡散モデルに初期の3D再構成を条件付けし、さらに測定された投影に合わせるためにデータ整合性のアラインメントを組み合わせる。合成データおよび実データのコーンビームCT（CBCT）に対する実験により、最先端の性能が示され、提案パイプラインの相乗効果を裏付けるアブレーションも確認される。最後に、同じ原理が高速なデノイジングU-Netにも同様に有効であり、計算コストのごく一部で拡散に近い品質が得られることを示す。