論文の概要: Slice-Consistent 3D Volumetric Brain CT-to-MRI Translation with 2D Brownian Bridge Diffusion Model

• arxiv url: http://arxiv.org/abs/2407.05059v1
• Date: Sat, 6 Jul 2024 12:13:36 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-09 21:18:15.681672
• Title: Slice-Consistent 3D Volumetric Brain CT-to-MRI Translation with 2D Brownian Bridge Diffusion Model
• Title（参考訳）: 2次元ブラウン橋拡散モデルを用いたスライス一貫性3次元脳CT-MRI変換
• Authors: Kyobin Choo, Youngjun Jun, Mijin Yun, Seong Jae Hwang,
• Abstract要約: 神経画像では、一般的に、脳のCTはMRIよりも費用効率が高く、アクセスしやすい。 医用画像・画像翻訳(I2I)は有望な解決策である。 本研究は,2次元 DM のみに基づく高品質な3次元医療用 I2I を実現する最初の試みである。
• 参考スコア（独自算出の注目度）: 3.4248731707266264
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In neuroimaging, generally, brain CT is more cost-effective and accessible imaging option compared to MRI. Nevertheless, CT exhibits inferior soft-tissue contrast and higher noise levels, yielding less precise structural clarity. In response, leveraging more readily available CT to construct its counterpart MRI, namely, medical image-to-image translation (I2I), serves as a promising solution. Particularly, while diffusion models (DMs) have recently risen as a powerhouse, they also come with a few practical caveats for medical I2I. First, DMs' inherent stochasticity from random noise sampling cannot guarantee consistent MRI generation that faithfully reflects its CT. Second, for 3D volumetric images which are prevalent in medical imaging, naively using 2D DMs leads to slice inconsistency, e.g., abnormal structural and brightness changes. While 3D DMs do exist, significant training costs and data dependency bring hesitation. As a solution, we propose novel style key conditioning (SKC) and inter-slice trajectory alignment (ISTA) sampling for the 2D Brownian bridge diffusion model. Specifically, SKC ensures a consistent imaging style (e.g., contrast) across slices, and ISTA interconnects the independent sampling of each slice, deterministically achieving style and shape consistent 3D CT-to-MRI translation. To the best of our knowledge, this study is the first to achieve high-quality 3D medical I2I based only on a 2D DM with no extra architectural models. Our experimental results show superior 3D medical I2I than existing 2D and 3D baselines, using in-house CT-MRI dataset and BraTS2023 FLAIR-T1 MRI dataset.
• Abstract（参考訳）: 神経イメージングでは、一般的に、脳のCTはMRIよりも費用効率が高く、アクセス可能な画像の選択肢である。 それにもかかわらず、CTは低い軟質のコントラストと高いノイズレベルを示し、構造的明瞭度は低い。 これに対し、医用画像から画像への翻訳(I2I)は、より手軽に利用できるCTを活用してMRIを構築することが、有望な解決策となる。 特に、拡散モデル(DM)は近年パワーハウスとして上昇しているが、医療用I2Iにはいくつかの注意点がある。 第一に、ランダムノイズサンプリングによるDMs固有の確率性は、CTを忠実に反映した一貫したMRI生成を保証できない。 第2に, 医用画像で一般的な3Dボリューム画像では, 2D DMを選択的に用いた場合, スライス不整合, 例えば異常な構造変化, 明るさ変化が生じる。 3D DMは存在するが、大きなトレーニングコストとデータ依存はためらいをもたらす。 そこで本研究では,2次元ブラウン橋拡散モデルに対する新しいスタイルキー条件付け (SKC) とスライス間軌道アライメント (ISTA) サンプリングを提案する。 具体的には、SKCはスライス間の一貫した画像スタイル(例えばコントラスト)を保証し、ISTAは各スライスを独立してサンプリングし、決定論的にスタイルと形状に整合した3D CT-to-MRI変換を実現する。 我々の知る限り、この研究は、アーキテクチャモデルが追加されていない2D DMのみに基づいて、高品質な3D医療用I2Iを初めて達成した。 実験の結果,既存の2Dおよび3Dベースラインよりも優れた3DメディカルI2Iが,社内CT-MRIデータセットとBraTS2023FLAIR-T1 MRIデータセットを用いて得られた。

関連論文リスト

• Medical Slice Transformer: Improved Diagnosis and Explainability on 3D Medical Images with DINOv2 [1.6275928583134276]
  医用スライストランスフォーマー(MST)フレームワークを導入し,3次元医用画像解析に2次元自己監督モデルを適用した。 MSTは畳み込みニューラルネットワークと比較して、診断精度と説明性の向上を提供する。
  論文  参考訳（メタデータ） (2024-11-24T12:11:11Z)
• 3D-CT-GPT: Generating 3D Radiology Reports through Integration of Large Vision-Language Models [51.855377054763345]
  本稿では,VQAに基づく医用視覚言語モデルである3D-CT-GPTについて紹介する。 パブリックデータセットとプライベートデータセットの両方の実験により、3D-CT-GPTはレポートの正確さと品質という点で既存の手法を著しく上回っていることが示された。
  論文  参考訳（メタデータ） (2024-09-28T12:31:07Z)
• Accurate Patient Alignment without Unnecessary Imaging Dose via Synthesizing Patient-specific 3D CT Images from 2D kV Images [10.538839084727975]
  腫瘍の視認性は2次元平面への患者の解剖学的投射により制限される。 コーンビームCT(CBCT)などの3D-OBI治療室では、CBCTの視野(FOV)は不要な高画像量に制限される。 本稿では, 階層型 ViT ブロックで構築した2次元モデルを用いて, 処理位置から得られた kV 画像から3次元CTを再構成する手法を提案する。
  論文  参考訳（メタデータ） (2024-04-01T19:55:03Z)
• Denoising diffusion-based MRI to CT image translation enables automated spinal segmentation [8.094450260464354]
  本研究は,T1wとT2wのMR画像系列をCT/MRの合計263対のCT画像に変換することを含む。 椎骨登録1回あたりの2つのランドマークは、MRIからCTへの画像と画像の変換を可能にし、すべての未経験のアプローチより優れていた。
  論文  参考訳（メタデータ） (2023-08-18T07:07:15Z)
• Two-and-a-half Order Score-based Model for Solving 3D Ill-posed Inverse Problems [7.074380879971194]
  本稿では,3次元ボリューム再構成のための2次半順序スコアベースモデル(TOSM)を提案する。 トレーニング期間中、TOSMは2次元空間のデータ分布を学習し、トレーニングの複雑さを低減する。 再構成フェーズでは、TOSMは3方向の相補的なスコアを利用して、3次元空間のデータ分布を更新する。
  論文  参考訳（メタデータ） (2023-08-16T17:07:40Z)
• Make-A-Volume: Leveraging Latent Diffusion Models for Cross-Modality 3D Brain MRI Synthesis [35.45013834475523]
  クロスモダリティ医療画像合成は重要なトピックであり、医療画像分野における多くの応用を促進する可能性がある。 現在の医療画像合成法のほとんどは、生成的敵ネットワークに依存しており、悪名高いモード崩壊と不安定な訓練に悩まされている。 本稿では,2次元バックボーンを利用した医療データ合成のための新しいパラダイムを提案し,拡散型フレームワークであるMake-A-Volumeを提案する。
  論文  参考訳（メタデータ） (2023-07-19T16:01:09Z)
• Improving 3D Imaging with Pre-Trained Perpendicular 2D Diffusion Models [52.529394863331326]
  本稿では,2つの垂直2次元拡散モデルを用いて3次元逆問題の解法を提案する。 MRI Z軸超解像, 圧縮センシングMRI, スパースCTなどの3次元医用画像再構成作業に有効である。
  論文  参考訳（メタデータ） (2023-03-15T08:28:06Z)
• Moving from 2D to 3D: volumetric medical image classification for rectal cancer staging [62.346649719614]
  術前T2期とT3期を区別することは直腸癌治療における最も困難かつ臨床的に重要な課題である。 直腸MRIでT3期直腸癌からT2を正確に判別するための体積畳み込みニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2022-09-13T07:10:14Z)
• 3-Dimensional Deep Learning with Spatial Erasing for Unsupervised Anomaly Segmentation in Brain MRI [55.97060983868787]
  我々は,MRIボリュームと空間消去を組み合わせた空間文脈の増大が,教師なしの異常セグメンテーション性能の向上に繋がるかどうかを検討する。 本稿では,2次元変分オートエンコーダ(VAE)と3次元の相違点を比較し,3次元入力消去を提案し,データセットサイズが性能に与える影響を体系的に検討する。 入力消去による最高の3D VAEは、平均DICEスコアが31.40%となり、2D VAEは25.76%となった。
  論文  参考訳（メタデータ） (2021-09-14T09:17:27Z)
• Automated Model Design and Benchmarking of 3D Deep Learning Models for COVID-19 Detection with Chest CT Scans [72.04652116817238]
  3D胸部CTスキャン分類のための3D DLモデルを自動的に検索するための差別化可能なニューラルネットワーク探索(DNAS)フレームワークを提案する。 また,我々のモデルのクラスアクティベーションマッピング(cam)技術を利用して,結果の解釈可能性を提供する。
  論文  参考訳（メタデータ） (2021-01-14T03:45:01Z)
• Modelling the Distribution of 3D Brain MRI using a 2D Slice VAE [66.63629641650572]
  本研究では,2次元スライスVAEとガウスモデルを組み合わせた3次元MR脳の体積分布をモデル化する手法を提案する。 また,本研究では,脳解剖学に適合するセグメンテーションの精度を定量的に評価する新たなボリューム評価手法を提案する。
  論文  参考訳（メタデータ） (2020-07-09T13:23:15Z)

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。