CARE：双対潜在スティアリングによる医療画像のための訓練不要・制御可能な修復

arXiv cs.CV / 2026/3/27

💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research

共有:

要点

CAREは、忠実度と強調（enhancement）のトレードオフに対する制御が限られるという一般的な課題を対象とした、制御可能な医療画像修復のための訓練不要フレームワークとして提案される。
双対潜在（dual-latent）修復戦略を用い、データ忠実度／解剖学的整合性のためのブランチと、劣化した、または欠落した内容を回復するために生成的事前知識（generative prior）を適用するブランチを組み合わせる。
リスク認識型の適応コントローラが、修復の不確実性と局所的な構造信頼性に基づいて推論中に各ブランチの寄与を調整し、より保守的、または強調重視の修復モードを可能にする。
本論文は、ノイズを含む／不完全な医療画像タスクにおいて修復品質が向上することを報告しており、臨床的に重要な構造の保持がより良くなり、「幻覚（hallucinated）」と見なされ得る不自然な再構成のリスクが低減される。
著者らは、CAREを、タスク固有の再学習を必要とせずに現実の臨床スキャンへ安全性が高く、実運用により適した修復を目指すための一歩として位置付けている。