論文の概要: Path and Bone-Contour Regularized Unpaired MRI-to-CT Translation

• arxiv url: http://arxiv.org/abs/2505.03114v1
• Date: Tue, 06 May 2025 02:08:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-07 18:50:11.164696
• Title: Path and Bone-Contour Regularized Unpaired MRI-to-CT Translation
• Title（参考訳）: MRI-to-CT 翻訳のパスと骨・関節の規則化
• Authors: Teng Zhou, Jax Luo, Yuping Sun, Yiheng Tan, Shun Yao, Nazim Haouchine, Scott Raymond,
• Abstract要約: MRI-to-CT 翻訳におけるパス・コントラスト正規化手法を提案する。 この方法では、MRIとCTの画像を共有潜在空間に投影し、MRIとCTのマッピングをニューラル常微分方程式によって制御された連続流としてモデル化する。 提案手法は既存のMRI-CT翻訳手法よりも優れ,全体の誤差率を低くする。
• 参考スコア（独自算出の注目度）: 1.6722543148703735
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate MRI-to-CT translation promises the integration of complementary imaging information without the need for additional imaging sessions. Given the practical challenges associated with acquiring paired MRI and CT scans, the development of robust methods capable of leveraging unpaired datasets is essential for advancing the MRI-to-CT translation. Current unpaired MRI-to-CT translation methods, which predominantly rely on cycle consistency and contrastive learning frameworks, frequently encounter challenges in accurately translating anatomical features that are highly discernible on CT but less distinguishable on MRI, such as bone structures. This limitation renders these approaches less suitable for applications in radiation therapy, where precise bone representation is essential for accurate treatment planning. To address this challenge, we propose a path- and bone-contour regularized approach for unpaired MRI-to-CT translation. In our method, MRI and CT images are projected to a shared latent space, where the MRI-to-CT mapping is modeled as a continuous flow governed by neural ordinary differential equations. The optimal mapping is obtained by minimizing the transition path length of the flow. To enhance the accuracy of translated bone structures, we introduce a trainable neural network to generate bone contours from MRI and implement mechanisms to directly and indirectly encourage the model to focus on bone contours and their adjacent regions. Evaluations conducted on three datasets demonstrate that our method outperforms existing unpaired MRI-to-CT translation approaches, achieving lower overall error rates. Moreover, in a downstream bone segmentation task, our approach exhibits superior performance in preserving the fidelity of bone structures. Our code is available at: https://github.com/kennysyp/PaBoT.
• Abstract（参考訳）: 正確なMRI-CT変換は、追加のイメージングセッションを必要とせずに補完的な画像情報を統合することを約束する。 ペア化MRIとCTスキャンの取得に関わる現実的な課題を考えると、MRIからCTへの変換を進めるためには、未ペア化データセットを活用できる堅牢な手法の開発が不可欠である。 現在のMRI-to-CT翻訳法は、主にサイクルの一貫性と対照的な学習フレームワークに依存しており、CTで非常に区別できるが、骨構造のようなMRIでは区別できない解剖学的特徴を正確に翻訳する際の課題にしばしば遭遇する。 この制限は、正確な骨表現が正確な治療計画に不可欠である放射線治療の応用には適さない。 この課題に対処するために,MRI-to-CT 翻訳のためのパス・コントラスト正規化手法を提案する。 この方法では,MRIとCTの画像を共有潜在空間に投影し,MRIとCTのマッピングをニューラル常微分方程式による連続流としてモデル化する。 最適マッピングは、フローの遷移経路長を最小化することにより得られる。 翻訳骨構造の精度を高めるため,MRIから骨輪郭を生成するトレーニング可能なニューラルネットワークを導入し,直接間接的に骨輪郭とその近傍に集中するよう促す機構を実装した。 3つのデータセットで評価した結果,提案手法は既存のMRI-CT翻訳手法よりも優れ,全体の誤差率も低いことがわかった。 さらに,下流骨分割作業では,骨構造の健全性維持に優れた性能を示す。 私たちのコードは、https://github.com/kennysyp/PaBoT.comで利用可能です。

関連論文リスト

• ContextMRI: Enhancing Compressed Sensing MRI through Metadata Conditioning [51.26601171361753]
  本稿では, 微細なメタデータを再構成プロセスに統合したMRI用テキスト条件拡散モデルであるContextMRIを提案する。 メタデータの忠実度はスライス位置やコントラストから患者年齢、性別、病理まで増加し、体系的に再構築性能が向上することを示す。
  論文  参考訳（メタデータ） (2025-01-08T05:15:43Z)
• Leveraging Multimodal CycleGAN for the Generation of Anatomically Accurate Synthetic CT Scans from MRIs [1.779948689352186]
  我々は、MRIから合成CTスキャンを生成するために、Deep Learningモデルの異なる構成の能力を解析する。 異なるMRIモダリティからCTスキャンを生成するために、コントラスト剤を使用しないいくつかのCycleGANモデルを教師なしで訓練した。 結果から, 入力のモーダル性に応じて, モデルが全く異なる性能を持つことを示す。
  論文  参考訳（メタデータ） (2024-07-15T16:38:59Z)
• NeuroPictor: Refining fMRI-to-Image Reconstruction via Multi-individual Pretraining and Multi-level Modulation [55.51412454263856]
  本稿では,fMRI信号を用いた拡散モデル生成過程を直接変調することを提案する。 様々な個人から約67,000 fMRI-imageペアのトレーニングを行うことで,fMRI-to-imageデコーディング能力に優れたモデルが得られた。
  論文  参考訳（メタデータ） (2024-03-27T02:42:52Z)
• Enhanced Synthetic MRI Generation from CT Scans Using CycleGAN with Feature Extraction [3.2088888904556123]
  合成MRI画像を用いたCTスキャンによるモノモーダル登録の高速化手法を提案する。 提案手法は有望な結果を示し,いくつかの最先端手法より優れていた。
  論文  参考訳（メタデータ） (2023-10-31T16:39:56Z)
• Weakly-supervised Biomechanically-constrained CT/MRI Registration of the Spine [72.85011943179894]
  本稿では,各脊椎の剛性と容積を保存し,登録精度を最大化しながら,弱教師付き深層学習フレームワークを提案する。 また,CTにおける椎体自動分節化はMRIと対比してより正確な結果をもたらすため,CTラベルマップのみに依存するよう,これらの損失を特に設計する。 以上の結果から, 解剖学的認識による損失の増大は, 精度を維持しつつも, 推測変換の妥当性を高めることが示唆された。
  論文  参考訳（メタデータ） (2022-05-16T10:59:55Z)
• Negligible effect of brain MRI data preprocessing for tumor segmentation [36.89606202543839]
  我々は3つの公開データセットの実験を行い、ディープニューラルネットワークにおける異なる前処理ステップの効果を評価する。 その結果、最も一般的な標準化手順は、ネットワーク性能に何の価値も与えないことが示されている。 画像の規格化に伴う信号分散の低減のため,画像強度正規化手法はモデル精度に寄与しない。
  論文  参考訳（メタデータ） (2022-04-11T17:29:36Z)
• A Long Short-term Memory Based Recurrent Neural Network for Interventional MRI Reconstruction [50.1787181309337]
  本稿では,畳み込み長短期記憶(Conv-LSTM)に基づくリカレントニューラルネットワーク(Recurrent Neural Network, RNN)を提案する。 提案アルゴリズムは,DBSのリアルタイムi-MRIを実現する可能性があり,汎用的なMR誘導介入に使用できる。
  論文  参考訳（メタデータ） (2022-03-28T14:03:45Z)
• Unsupervised-learning-based method for chest MRI-CT transformation using structure constrained unsupervised generative attention networks [0.0]
  PET/MRIスキャナは、PETによる代謝情報の同時取得と、MRIを用いた形態情報の取得を容易にする。 PET/MRIは、ガンマ線減衰情報とMRIとの直接的関係がないため、MRIから減衰補正マップを生成する必要がある。 本稿では,非対位画像の変換が可能なGAN(Generative Adversarial Network)に,モダリティ非依存的近傍記述子(MIND)を用いた構造制約を加えることにより,人間のアノテーションを使わずに解剖学的構造変化を最小限に抑える手段を提案する。
  論文  参考訳（メタデータ） (2021-06-16T05:22:27Z)
• Self-Attentive Spatial Adaptive Normalization for Cross-Modality Domain Adaptation [9.659642285903418]
  放射線科医の費用負担を軽減するための医用画像のクロスモダリティ合成 本稿では,教師なしまたは教師なし(非ペア画像データ)の設定が可能な医用画像における画像から画像への変換手法を提案する。
  論文  参考訳（メタデータ） (2021-03-05T16:22:31Z)

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。