論文の概要: Towards Learning Contrast Kinetics with Multi-Condition Latent Diffusion Models
- arxiv url: http://arxiv.org/abs/2403.13890v3
- Date: Wed, 17 Jul 2024 16:04:45 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-18 22:29:24.674030
- Title: Towards Learning Contrast Kinetics with Multi-Condition Latent Diffusion Models
- Title（参考訳）: マルチコンディション遅延拡散モデルを用いたコントラスト運動学の学習に向けて
- Authors: Richard Osuala, Daniel M. Lang, Preeti Verma, Smriti Joshi, Apostolia Tsirikoglou, Grzegorz Skorupko, Kaisar Kushibar, Lidia Garrucho, Walter H. L. Pinaya, Oliver Diaz, Julia A. Schnabel, Karim Lekadir,
- Abstract要約: DCE-MRI時間系列の時間条件画像合成が可能な潜時拡散モデルを提案する。
以上の結果から,本手法が現実的な多列性脂肪飽和乳房DCE-MRIを生成できることが示唆された。
- 参考スコア（独自算出の注目度）: 2.8981737432963506
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Contrast agents in dynamic contrast enhanced magnetic resonance imaging allow to localize tumors and observe their contrast kinetics, which is essential for cancer characterization and respective treatment decision-making. However, contrast agent administration is not only associated with adverse health risks, but also restricted for patients during pregnancy, and for those with kidney malfunction, or other adverse reactions. With contrast uptake as key biomarker for lesion malignancy, cancer recurrence risk, and treatment response, it becomes pivotal to reduce the dependency on intravenous contrast agent administration. To this end, we propose a multi-conditional latent diffusion model capable of acquisition time-conditioned image synthesis of DCE-MRI temporal sequences. To evaluate medical image synthesis, we additionally propose and validate the Fr\'echet radiomics distance as an image quality measure based on biomarker variability between synthetic and real imaging data. Our results demonstrate our method's ability to generate realistic multi-sequence fat-saturated breast DCE-MRI and uncover the emerging potential of deep learning based contrast kinetics simulation. We publicly share our accessible codebase at https://github.com/RichardObi/ccnet and provide a user-friendly library for Fr\'echet radiomics distance calculation at https://pypi.org/project/frd-score.
- Abstract（参考訳）: ダイナミックコントラスト造影MRIにおける造影剤は腫瘍を局在させ、そのコントラスト動態を観察することができる。
しかし、コントラスト剤の投与は、有害な健康リスクだけでなく、妊娠中の患者、腎臓機能不全の患者、その他の副作用に制限されている。
病変悪性度, 癌再発リスク, 治療反応の指標としてのコントラスト取り込みは, 静脈内コントラスト剤投与への依存性を減少させる重要な指標となる。
そこで本研究では,DCE-MRI時系列の時間条件画像合成が可能な多条件潜在拡散モデルを提案する。
医用画像の合成を評価するために,合成画像データと実画像データとのバイオマーカーのばらつきに基づいて,Fr'echetラジオミクス距離を画像品質指標として提案し,評価する。
以上の結果から,本手法は多列性脂肪飽和DCE-MRIを現実的に生成し,深層学習に基づくコントラスト運動学シミュレーションの可能性を明らかにすることができる。
アクセス可能なコードベースをhttps://github.com/RichardObi/ccnetで公開し、https://pypi.org/project/frd-scoreでFr\echetラジオミクス距離計算のためのユーザフレンドリーなライブラリを提供します。
関連論文リスト
- Unifying Subsampling Pattern Variations for Compressed Sensing MRI with Neural Operators [72.79532467687427]
圧縮センシングMRI(Compressed Sensing MRI)は、身体の内部解剖像をアンダーサンプルと圧縮された測定値から再構成する。
ディープニューラルネットワークは、高度にアンサンプされた測定結果から高品質なイメージを再構築する大きな可能性を示している。
CS-MRIにおけるサブサンプリングパターンや画像解像度に頑健な統一モデルを提案する。
論文 参考訳（メタデータ） (2024-10-05T20:03:57Z) - CAVM: Conditional Autoregressive Vision Model for Contrast-Enhanced Brain Tumor MRI Synthesis [3.3966430276631208]
条件付き自己回帰視覚モデルはコントラスト強調脳腫瘍MRIの合成を改善する。
深層学習法は、非コントラスト画像から仮想コントラスト強調MRIスキャンを合成するために応用されている。
自然言語処理における段階的用量増加とChain-of-Thoughtアプローチの類似性から着想を得たCAVMは、自己回帰戦略を使用する。
論文 参考訳（メタデータ） (2024-06-23T10:50:22Z) - Gadolinium dose reduction for brain MRI using conditional deep learning [66.99830668082234]
これらの手法の主な課題は、コントラスト強調の正確な予測と現実的な画像の合成である。
コントラスト前の画像対とコントラスト後の画像対のサブトラクション画像に符号化されたコントラスト信号を利用することで、両課題に対処する。
各種スキャナー,フィールド強度,コントラストエージェントを用いた合成および実データに対するアプローチの有効性を示す。
論文 参考訳（メタデータ） (2024-03-06T08:35:29Z) - Pre- to Post-Contrast Breast MRI Synthesis for Enhanced Tumour Segmentation [0.9722528000969453]
本研究は, GAN(Generative Adversarial Network)を用いて, コントラスト前T1強調脂肪飽和乳房MRIを対応する第1DCE-MRIシーケンスに翻訳することにより, 合成コントラスト増強の実現可能性について検討した。
定量的な画像品質指標を用いて生成したDCE-MRIデータを評価し、3D乳房切片の下流タスクに適用する。
以上の結果から, 造影後DCE-MRI合成が乳房のセグメンテーションモデルの堅牢性向上に寄与する可能性が示唆された。
論文 参考訳（メタデータ） (2023-11-17T21:48:41Z) - Synthesis of Contrast-Enhanced Breast MRI Using Multi-b-Value DWI-based
Hierarchical Fusion Network with Attention Mechanism [15.453470023481932]
造影MRI(CE-MRI)は腫瘍と浸潤した健全な組織との鑑別に優れる。
CE-MRIを得るためにガドリニウムベースの造影剤(GBCA)を使用することは、ネフローゼ性全身線維症と関連し、脳内での生体蓄積を引き起こす可能性がある。
造影剤の使用を減らすため,拡散強調画像(DWI)が重要画像技術として出現している。
論文 参考訳（メタデータ） (2023-07-03T09:46:12Z) - Faithful Synthesis of Low-dose Contrast-enhanced Brain MRI Scans using
Noise-preserving Conditional GANs [102.47542231659521]
ガドリニウム系造影剤(GBCA)は様々な疾患の診断にMRIにおいて不可欠である。
GBCAは高価であり、副作用のある患者に蓄積される可能性がある。
診断値を維持しながらGBCAの投与量をどの程度削減できるかは不明確である。
論文 参考訳（メタデータ） (2023-06-26T13:19:37Z) - Multi-view Contrastive Learning with Additive Margin for Adaptive
Nasopharyngeal Carcinoma Radiotherapy Prediction [7.303184467211488]
本稿では,付加的マージンを有する教師付き多視点コントラスト学習手法を提案する。
それぞれの患者に対して、4つの医療画像が多視点陽性の対を形成すると考えられる。
さらに、埋め込み空間はコントラスト学習によって学習される。
論文 参考訳（メタデータ） (2022-10-27T06:21:24Z) - Harmonizing Pathological and Normal Pixels for Pseudo-healthy Synthesis [68.5287824124996]
そこで本研究では,新しいタイプの識別器であるセグメンタを提案し,病変の正確な特定と擬似健康画像の視覚的品質の向上を図っている。
医用画像強調に生成画像を適用し,低コントラスト問題に対処するために拡張結果を利用する。
BraTSのT2モダリティに関する総合的な実験により、提案手法は最先端の手法よりも大幅に優れていることが示された。
論文 参考訳（メタデータ） (2022-03-29T08:41:17Z) - CyTran: A Cycle-Consistent Transformer with Multi-Level Consistency for
Non-Contrast to Contrast CT Translation [56.622832383316215]
コントラストCTを非コントラストCTに変換する手法を提案する。
提案手法は、CyTranを略して、サイクル一貫性のある生成逆転変換器に基づいている。
実験の結果、CyTranは競合するすべての手法より優れています。
論文 参考訳（メタデータ） (2021-10-12T23:25:03Z) - Improved Slice-wise Tumour Detection in Brain MRIs by Computing
Dissimilarities between Latent Representations [68.8204255655161]
磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。
本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。
本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
論文 参考訳（メタデータ） (2020-07-24T14:02:09Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。