論文の概要: Modality Translation and Registration of MR and Ultrasound Images Using Diffusion Models

• arxiv url: http://arxiv.org/abs/2506.01025v1
• Date: Sun, 01 Jun 2025 14:10:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-04 21:47:33.900258
• Title: Modality Translation and Registration of MR and Ultrasound Images Using Diffusion Models
• Title（参考訳）: 拡散モデルを用いたMR・超音波画像のモダリティ変換と登録
• Authors: Xudong Ma, Nantheera Anantrasirichai, Stefanos Bolomytis, Alin Achim,
• Abstract要約: 前立腺癌の診断にはMR-US多剤の登録が重要である。 既存のメソッドは、無関係な詳細に過度に敏感でありながら、重要な境界を整列することができない。 階層的特徴分散設計に基づく解剖学的に整合したモダリティ変換ネットワークを提案する。
• 参考スコア（独自算出の注目度）: 7.512221808783586
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multimodal MR-US registration is critical for prostate cancer diagnosis. However, this task remains challenging due to significant modality discrepancies. Existing methods often fail to align critical boundaries while being overly sensitive to irrelevant details. To address this, we propose an anatomically coherent modality translation (ACMT) network based on a hierarchical feature disentanglement design. We leverage shallow-layer features for texture consistency and deep-layer features for boundary preservation. Unlike conventional modality translation methods that convert one modality into another, our ACMT introduces the customized design of an intermediate pseudo modality. Both MR and US images are translated toward this intermediate domain, effectively addressing the bottlenecks faced by traditional translation methods in the downstream registration task. Experiments demonstrate that our method mitigates modality-specific discrepancies while preserving crucial anatomical boundaries for accurate registration. Quantitative evaluations show superior modality similarity compared to state-of-the-art modality translation methods. Furthermore, downstream registration experiments confirm that our translated images achieve the best alignment performance, highlighting the robustness of our framework for multi-modal prostate image registration.
• Abstract（参考訳）: 前立腺癌の診断にはMR-US多剤の登録が重要である。 しかし、この課題は、大きなモダリティの相違により、依然として困難なままである。 既存の手法は、無関係な詳細に過度に敏感でありながら、重要な境界の整合に失敗することが多い。 そこで本研究では,階層的特徴分散設計に基づく解剖学的コヒーレントなモダリティ変換(ACMT)ネットワークを提案する。 浅層構造をテクスチャの整合性に利用し, 深層構造を境界保存に活用する。 1つのモダリティを別のモダリティに変換する従来のモダリティ変換法とは異なり、ACMTは中間擬似モダリティのカスタマイズ設計を導入する。 MRとUSの画像はどちらもこの中間領域に変換され、下流の登録タスクにおいて従来の翻訳手法が直面するボトルネックに効果的に対処する。 実験により, 本手法は, 正確な登録のために重要な解剖学的境界を保ちながら, モダリティ特異的な相違を緩和することを示した。 定量的評価は、最先端のモダリティ翻訳法と比較して、優れたモダリティ類似性を示す。 さらに、下流での登録実験により、翻訳された画像が最適なアライメント性能を達成し、マルチモーダルな前立腺画像登録のためのフレームワークの堅牢性を強調した。

関連論文リスト

• MR2US-Pro: Prostate MR to Ultrasound Image Translation and Registration Based on Diffusion Models [7.512221808783586]
  本稿では,TRUS 3次元再構成とクロスモーダル登録という,2段階のプロセスによる課題に対処する新しい枠組みを提案する。 本稿では,矢状面と横方向のTRUSビューの自然な相関を生かした完全プローブ位置独立アプローチを提案する。 登録段階では、モダリティ変換によって導かれる教師なし拡散に基づくフレームワークを導入する。
  論文  参考訳（メタデータ） (2025-05-31T14:55:03Z)
• Multimodal LLM-Guided Semantic Correction in Text-to-Image Diffusion [52.315729095824906]
  MLLM Semantic-Corrected Ping-Pong-Ahead Diffusion (PPAD) は,マルチモーダル大言語モデル(MLLM)を推論中の意味的オブザーバとして導入する新しいフレームワークである。 中間世代をリアルタイムに分析し、潜在意味的不整合を識別し、フィードバックを制御可能な信号に変換し、残りの認知ステップを積極的に導く。 大規模な実験ではPPADの大幅な改善が示されている。
  論文  参考訳（メタデータ） (2025-05-26T14:42:35Z)
• CriDiff: Criss-cross Injection Diffusion Framework via Generative Pre-train for Prostate Segmentation [60.61972883059688]
  CridiffはCrisscross Injection Strategy(CIS)とGenerative Pre-train(GP)アプローチによる2段階の機能注入フレームワークである。 CISでは,複数レベルのエッジ特徴と非エッジ特徴を効果的に学習するために,並列コンディショナーを2つ提案した。 GPアプローチは、追加パラメータを追加することなく、画像特徴と拡散モデルとの矛盾を緩和する。
  論文  参考訳（メタデータ） (2024-06-20T10:46:50Z)
• Cascaded Multi-path Shortcut Diffusion Model for Medical Image Translation [26.67518950976257]
  高品質な医用画像翻訳と不確実性推定のためのカスケードマルチパスショートカット拡散モデル(CMDM)を提案する。 実験の結果,CMDMは最先端の手法に匹敵する高品質な翻訳を実現できることがわかった。
  論文  参考訳（メタデータ） (2024-04-06T03:02:47Z)
• ContourDiff: Unpaired Image-to-Image Translation with Structural Consistency for Medical Imaging [14.487188068402178]
  適切な翻訳のために考慮すべき領域間の構造バイアスを定量化するための新しい指標を導入する。 次に、ドメイン不変な解剖学的輪郭表現を利用する新しい画像から画像への変換アルゴリズムであるContourDiffを提案する。 腰部脊柱管拡大術と大腿部CT-to-MRIの術式について検討した。
  論文  参考訳（メタデータ） (2024-03-16T03:33:52Z)
• 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)
• Marginal Contrastive Correspondence for Guided Image Generation [58.0605433671196]
  例題に基づく画像翻訳は、条件入力と2つの異なる領域からの例題間の密接な対応を確立する。 既存の作業は、2つのドメインにまたがる機能的距離を最小化することで、ドメイン間の通信を暗黙的に構築する。 本稿では,MCL-Net(Marginal Contrastive Learning Network)の設計を行った。
  論文  参考訳（メタデータ） (2022-04-01T13:55:44Z)
• A Deep Discontinuity-Preserving Image Registration Network [73.03885837923599]
  ほとんどの深層学習に基づく登録法は、所望の変形場が全世界的に滑らかで連続的であると仮定する。 本稿では、より優れた登録性能とリアルな変形場を得るために、弱い教師付き深部不連続保存画像登録ネットワーク(DDIR)を提案する。 本研究では, 心臓磁気共鳴(MR)画像の登録実験において, 登録精度を大幅に向上し, より現実的な変形を予測できることを実証した。
  論文  参考訳（メタデータ） (2021-07-09T13:35:59Z)
• FetReg: Placental Vessel Segmentation and Registration in Fetoscopy Challenge Dataset [57.30136148318641]
  Fetoscopy Laser Photocoagulation はツイン・ツー・ツイン・トランスフュージョン症候群(TTTS)の治療に広く用いられている治療法である これにより、プロシージャ時間と不完全アブレーションが増加し、持続的なTTTSが生じる可能性がある。 コンピュータ支援による介入は、ビデオモザイクによって胎児の視野を広げ、船体ネットワークのより良い視覚化を提供することによって、これらの課題を克服するのに役立つかもしれない。 本稿では,長期フェトスコープビデオからドリフトフリーモザイクを作成することを目的とした,胎児環境のための汎用的でロバストなセマンティックセマンティックセグメンテーションとビデオモザイクアルゴリズムを開発するための大規模マルチセントデータセットを提案する。
  論文  参考訳（メタデータ） (2021-06-10T17:14:27Z)

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。