論文の概要: PASTA: Pathology-Aware MRI to PET Cross-Modal Translation with Diffusion Models

• arxiv url: http://arxiv.org/abs/2405.16942v1
• Date: Mon, 27 May 2024 08:33:24 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-28 16:21:29.722182
• Title: PASTA: Pathology-Aware MRI to PET Cross-Modal Translation with Diffusion Models
• Title（参考訳）: PASTA : 拡散モデルを用いたPETクロスモーダル翻訳のための病理MRI
• Authors: Yitong Li, Igor Yakushev, Dennis M. Hedderich, Christian Wachinger,
• Abstract要約: 本研究では,条件付き拡散モデルに基づく新しい画像翻訳フレームワークであるPASTAを紹介する。 サイクル交換一貫性とボリューム生成戦略は、高品質な3DPETスキャンを生成するPASTAの能力を高める。 アルツハイマー分類では、合成スキャンの性能はMRIよりも4%向上し、実際のPETの性能にほぼ達する。
• 参考スコア（独自算出の注目度）: 7.6672160690646445
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Positron emission tomography (PET) is a well-established functional imaging technique for diagnosing brain disorders. However, PET's high costs and radiation exposure limit its widespread use. In contrast, magnetic resonance imaging (MRI) does not have these limitations. Although it also captures neurodegenerative changes, MRI is a less sensitive diagnostic tool than PET. To close this gap, we aim to generate synthetic PET from MRI. Herewith, we introduce PASTA, a novel pathology-aware image translation framework based on conditional diffusion models. Compared to the state-of-the-art methods, PASTA excels in preserving both structural and pathological details in the target modality, which is achieved through its highly interactive dual-arm architecture and multi-modal condition integration. A cycle exchange consistency and volumetric generation strategy elevate PASTA's capability to produce high-quality 3D PET scans. Our qualitative and quantitative results confirm that the synthesized PET scans from PASTA not only reach the best quantitative scores but also preserve the pathology correctly. For Alzheimer's classification, the performance of synthesized scans improves over MRI by 4%, almost reaching the performance of actual PET. Code is available at https://github.com/ai-med/PASTA.
• Abstract（参考訳）: ポジトロン・エミッション・トモグラフィ(PET)は、脳疾患の診断のための、確立された機能的イメージング技術である。 しかし、PETの高コストと放射線曝露は広く使用されることを制限している。 対照的に、MRI(MRI)にはこれらの制限がない。 神経変性の変化も捉えるが、MRIはPETよりも感度の低い診断ツールである。 このギャップを埋めるために、MRIから合成PETを生成することを目的としている。 本稿では,条件付き拡散モデルに基づく新しい画像翻訳フレームワークであるPASTAを紹介する。 最先端の手法と比較して、PASTAは、高度にインタラクティブなデュアルアームアーキテクチャとマルチモーダル条件の統合によって達成される、ターゲットモダリティにおける構造的および病理的詳細の保存に長けている。 サイクル交換一貫性とボリューム生成戦略は、高品質な3DPETスキャンを生成するPASTAの能力を高める。 PASTA から合成したPET スキャンが最高の定量値に到達しただけでなく,病理検査の精度も良好に保たれた。 アルツハイマー分類では、合成スキャンの性能はMRIよりも4%向上し、実際のPETの性能にほぼ達する。 コードはhttps://github.com/ai-med/PASTA.comで入手できる。

関連論文リスト

• Phy-Diff: Physics-guided Hourglass Diffusion Model for Diffusion MRI Synthesis [45.074243735766]
  本稿では,高画質のdMRIを生成する物理誘導拡散モデルを提案する。 本モデルは拡散過程におけるノイズ進化におけるdMRIの物理原理を紹介する。 実験の結果,本手法は他の最先端手法よりも優れていた。
  論文  参考訳（メタデータ） (2024-06-05T07:09:19Z)
• Functional Imaging Constrained Diffusion for Brain PET Synthesis from Structural MRI [5.190302448685122]
  新しい制約拡散モデル (CDM) を用いて, 入力条件として2組構造MRIを用いた3次元脳PET画像合成のためのフレームワークを提案する。 FICDはPETにノイズを導入し、CDMで徐々に除去する。 CDMは、各denoized PETと基底真理との間のボクセルワイドアライメントを確保するために、機能的イメージング制約を導入して、denoized PETを予測することを学ぶ。
  論文  参考訳（メタデータ） (2024-05-03T22:33:46Z)
• Three-Dimensional Amyloid-Beta PET Synthesis from Structural MRI with Conditional Generative Adversarial Networks [45.426889188365685]
  アルツハイマー病の徴候には、アミロイド-ベタ鉱床と脳萎縮がある。 PETは高価で侵襲的であり、患者を電離放射線に曝す。 MRIはより安価で、非侵襲的で、電離放射線を含まないが、脳萎縮の測定に限られる。
  論文  参考訳（メタデータ） (2024-05-03T14:10:29Z)
• Two-Phase Multi-Dose-Level PET Image Reconstruction with Dose Level Awareness [43.45142393436787]
  線量レベルの認識が可能な新しい二相多段PET再構成アルゴリズムを設計する。 事前学習フェーズは、きめ細かい識別特徴と効果的な意味表現の両方を探索するために考案された。 SPET予測フェーズは、事前学習した線量レベルを利用した粗い予測ネットワークを採用して予備結果を生成する。
  論文  参考訳（メタデータ） (2024-04-02T01:57:08Z)
• Revolutionizing Disease Diagnosis with simultaneous functional PET/MR and Deeply Integrated Brain Metabolic, Hemodynamic, and Perfusion Networks [40.986069119392944]
  マルチモーダルなMiXture-of-expertsアライメント再構成とモデルであるMX-ARMを提案する。 モダリティは分離可能で交換可能であり、異なる多層パーセプトロン(「専門家の混合」)を学習可能な重みを通して動的に割り当て、異なるモダリティからそれぞれの表現を学ぶ。
  論文  参考訳（メタデータ） (2024-03-29T08:47:49Z)
• Amyloid-Beta Axial Plane PET Synthesis from Structural MRI: An Image Translation Approach for Screening Alzheimer's Disease [49.62561299282114]
  定量的に正確な構造MRIから合成アミロイドベータPET画像を生成するために、画像翻訳モデルを実装した。 その結果, 合成PET画像は, 形状, コントラスト, 全体的なSSIMおよびPSNRにおいて, 真実と高い類似性で生成できることが判明した。
  論文  参考訳（メタデータ） (2023-09-01T16:26:42Z)
• Contrastive Diffusion Model with Auxiliary Guidance for Coarse-to-Fine PET Reconstruction [62.29541106695824]
  本稿では, 粗い予測モジュール (CPM) と反復的修正モジュール (IRM) から構成される粗大なPET再構成フレームワークを提案する。 計算オーバーヘッドの大部分をCPMに委譲することで,本手法のサンプリング速度を大幅に向上させることができる。 2つの追加戦略、すなわち補助的な誘導戦略と対照的な拡散戦略が提案され、再構築プロセスに統合される。
  論文  参考訳（メタデータ） (2023-08-20T04:10:36Z)
• Synthesizing PET images from High-field and Ultra-high-field MR images Using Joint Diffusion Attention Model [18.106861006893524]
  PETスキャンはコストが高く、放射性曝露を伴うため、PETが欠如する。 超高磁場イメージングは臨床と学術の両方で有用であることが証明されている。 高速MRIと超高磁場MRIの合成PET法を提案する。
  論文  参考訳（メタデータ） (2023-05-06T02:41:03Z)
• A resource-efficient deep learning framework for low-dose brain PET image reconstruction and analysis [13.713286047709982]
  本稿では,L-PET再構成と解析のための資源効率の高いディープラーニングフレームワーク,TransGAN-SDAMを提案する。 トランスGANは高品質なF-PET画像を生成し、SDAMは生成されたF-PETスライス列の空間情報を統合して全脳F-PET画像を生成する。
  論文  参考訳（メタデータ） (2022-02-14T08:40:19Z)
• Synthesizing Multi-Tracer PET Images for Alzheimer's Disease Patients using a 3D Unified Anatomy-aware Cyclic Adversarial Network [9.406405460188818]
  ポジトロン・エミッション・トモグラフィー(PET)はアルツハイマー病(AD)研究の重要なツールである 医用画像合成の研究は1対1の固定ドメイン翻訳に重点を置いており、マルチトレースドメインから同時にその特徴を学習することはできない。 本稿では,複数経路PETボリュームを1つの統一的生成モデルで翻訳するための3次元統一解剖・循環対向ネットワーク (UCAN) を提案する。
  論文  参考訳（メタデータ） (2021-07-12T15:10:29Z)

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。