論文の概要: CAFusion: Controllable Anatomical Synthesis of Perirectal Lymph Nodes via SDF-guided Diffusion

• arxiv url: http://arxiv.org/abs/2503.06919v1
• Date: Mon, 10 Mar 2025 04:59:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-11 15:46:05.781769
• Title: CAFusion: Controllable Anatomical Synthesis of Perirectal Lymph Nodes via SDF-guided Diffusion
• Title（参考訳）: CAFusion: SDF誘導拡散による直腸リンパ節の制御可能な解剖学的合成
• Authors: Weidong Guo, Hantao Zhang, Shouhong Wan, Bingbing Zou, Wanqin Wang, Chenyang Qiu, Peiquan Jin,
• Abstract要約: 本稿では,直腸リンパ節合成の新しいアプローチであるCAFusionを紹介する。 符号付き距離関数(SDF)を利用することで、CAFusionは極めて現実的な3次元解剖構造を生成する。 実験結果から, 合成データはセグメンテーション性能を大幅に向上することが示された。
• 参考スコア（独自算出の注目度）: 8.311453061101899
• License:
• Abstract: Lesion synthesis methods have made significant progress in generating large-scale synthetic datasets. However, existing approaches predominantly focus on texture synthesis and often fail to accurately model masks for anatomically complex lesions. Additionally, these methods typically lack precise control over the synthesis process. For example, perirectal lymph nodes, which range in diameter from 1 mm to 10 mm, exhibit irregular and intricate contours that are challenging for current techniques to replicate faithfully. To address these limitations, we introduce CAFusion, a novel approach for synthesizing perirectal lymph nodes. By leveraging Signed Distance Functions (SDF), CAFusion generates highly realistic 3D anatomical structures. Furthermore, it offers flexible control over both anatomical and textural features by decoupling the generation of morphological attributes (such as shape, size, and position) from textural characteristics, including signal intensity. Experimental results demonstrate that our synthetic data substantially improve segmentation performance, achieving a 6.45% increase in the Dice coefficient. In the visual Turing test, experienced radiologists found it challenging to distinguish between synthetic and real lesions, highlighting the high degree of realism and anatomical accuracy achieved by our approach. These findings validate the effectiveness of our method in generating high-quality synthetic lesions for advancing medical image processing applications.
• Abstract（参考訳）: 病変合成法は大規模な合成データセットの生成に大きな進歩をもたらした。 しかし、既存のアプローチは主にテクスチャ合成に焦点を当てており、しばしば解剖学的に複雑な病変のマスクを正確にモデル化することができない。 さらに、これらの手法は一般的に合成過程の精密な制御を欠いている。 例えば、直径1mmから10mmの直腸リンパ節は、現在のテクニックが忠実に複製することが困難である不規則で複雑な輪郭を示す。 これらの制約に対処するために,直腸リンパ節の合成のための新しいアプローチであるCAFusionを導入する。 符号付き距離関数(SDF)を利用することで、CAFusionは極めて現実的な3次元解剖構造を生成する。 さらに、信号強度を含む形態特性(形状、大きさ、位置など)をテクスチャ特性から分離することで、解剖学的特徴とテクスチャ的特徴の両方を柔軟に制御する。 その結果, 合成データのセグメンテーション性能が著しく向上し, 6.45%のDice係数が得られた。 視覚的チューリングテストでは、経験豊富な放射線学者は、我々のアプローチによって達成された高度なリアリズムと解剖学的精度を強調しながら、合成病変と実際の病変を区別することが困難であることがわかった。 以上の結果から, 医用画像処理の進歩のために, 高品質な合成病変を発生させる方法の有効性が検証された。

関連論文リスト

• LN-Gen: Rectal Lymph Nodes Generation via Anatomical Features [8.428364324501048]
  周囲の解剖学的構造の複雑さと注釈付きデータの不足は重大な課題である。 本研究は, 多様な, 現実的な合成直腸リンパ節サンプルを作成することを目的とした, 新規なリンパ節合成手法を提案する。
  論文  参考訳（メタデータ） (2024-08-27T11:40:23Z)
• Optimizing Synthetic Data for Enhanced Pancreatic Tumor Segmentation [1.6321136843816972]
  本研究は膵腫瘍分節に対する既存の生成AIフレームワークの限界を批判的に評価する。 本研究は,合成テクストサイズとテクスト境界定義精度がモデル性能に与える影響について,一連の実験を行った。 以上の結果より,(1)合成腫瘍サイズの組み合わせを戦略的に選択することが最適セグメンテーションの結果にとって重要であること,(2)正確な境界を持つ合成腫瘍の生成がモデル精度を著しく向上すること,などが示唆された。
  論文  参考訳（メタデータ） (2024-07-27T15:38:07Z)
• Neurovascular Segmentation in sOCT with Deep Learning and Synthetic Training Data [4.5276169699857505]
  本研究は, 連続断面光コヒーレンストモグラフィー画像における神経血管セグメンテーションのための合成エンジンについて述べる。 提案手法は,ラベル合成とラベル・ツー・イメージ変換の2段階からなる。 前者の有効性を,より現実的なトレーニングラベルの集合と比較し,後者を合成ノイズと人工物モデルのアブレーション研究により実証した。
  論文  参考訳（メタデータ） (2024-07-01T16:09:07Z)
• Memory-efficient High-resolution OCT Volume Synthesis with Cascaded Amortized Latent Diffusion Models [48.87160158792048]
  本稿では,高分解能CTボリュームをメモリ効率よく合成できるCA-LDM(Cascaded amortized Latent diffusion model)を提案する。 公開高解像度OCTデータセットを用いた実験により、我々の合成データは、既存の手法の能力を超越した、現実的な高解像度かつグローバルな特徴を持つことが示された。
  論文  参考訳（メタデータ） (2024-05-26T10:58:22Z)
• ContraNeRF: Generalizable Neural Radiance Fields for Synthetic-to-real Novel View Synthesis via Contrastive Learning [102.46382882098847]
  まず,合成から現実への新規な視点合成における合成データの影響について検討した。 本稿では,幾何制約を伴う多視点一貫した特徴を学習するために,幾何対応のコントラスト学習を導入することを提案する。 提案手法は,PSNR,SSIM,LPIPSの点で,既存の一般化可能な新規ビュー合成手法よりも高い画質で精細な画像を描画することができる。
  論文  参考訳（メタデータ） (2023-03-20T12:06:14Z)
• Image Synthesis with Disentangled Attributes for Chest X-Ray Nodule Augmentation and Detection [52.93342510469636]
  肺癌早期検診では胸部X線像の肺結節検出が一般的である。 ディープラーニングに基づくコンピュータ支援診断(CAD)システムは、CXRの結節スクリーニングのために放射線科医をサポートすることができる。 このようなデータセットの可用性を損なうため,データ拡張のために肺結節合成法を提案する。
  論文  参考訳（メタデータ） (2022-07-19T16:38:48Z)
• Decoupling Shape and Density for Liver Lesion Synthesis Using Conditional Generative Adversarial Networks [0.0]
  合成データの質と多様性は、モデルを訓練するのに使われる注釈付きデータに大きく依存する。 本稿では,肝病変合成のための形状と密度を分離する手法を提案する。
  論文  参考訳（メタデータ） (2021-06-01T16:45:19Z)
• Data-driven generation of plausible tissue geometries for realistic photoacoustic image synthesis [53.65837038435433]
  光音響トモグラフィ(pat)は形態的および機能的組織特性を回復する可能性がある。 我々は,PATデータシミュレーションの新たなアプローチを提案し,これを「シミュレーションの学習」と呼ぶ。 我々は、意味的注釈付き医療画像データに基づいて訓練されたGAN(Generative Adversarial Networks)の概念を活用して、可塑性組織ジオメトリを生成する。
  論文  参考訳（メタデータ） (2021-03-29T11:30:18Z)
• Generative Modelling of 3D in-silico Spongiosa with Controllable Micro-Structural Parameters [1.0804061924593265]
  本稿では, シリコン中の現実的な骨構造を生成するために, 生成的対向ネットワークの最近の進歩を適用することを提案する。 最初のステップでは、ワッサーシュタインの目的と勾配のペナルティを用いて、累積生成モデルを漸進的に訓練した。 骨粗しょう症治療後の骨構造をシミュレートし, 骨粗しょうの治療効果について検討した。
  論文  参考訳（メタデータ） (2020-09-23T18:11:47Z)
• Confidence-guided Lesion Mask-based Simultaneous Synthesis of Anatomic and Molecular MR Images in Patients with Post-treatment Malignant Gliomas [65.64363834322333]
  信頼性ガイドSAMR(CG-SAMR)は、病変情報からマルチモーダル解剖学的配列にデータを合成する。 モジュールは中間結果に対する信頼度測定に基づいて合成をガイドする。 実際の臨床データを用いた実験により,提案モデルが最先端の合成法よりも優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2020-08-06T20:20:22Z)
• Lesion Mask-based Simultaneous Synthesis of Anatomic and MolecularMR Images using a GAN [59.60954255038335]
  提案するフレームワークは,ストレッチアウトアップサンプリングモジュール,ブレインアトラスエンコーダ,セグメンテーション一貫性モジュール,マルチスケールラベルワイド識別器から構成される。 実際の臨床データを用いた実験により,提案モデルが最先端の合成法よりも優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2020-06-26T02:50:09Z)

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。