Fugu-MT 論文翻訳(概要): Deep histological synthesis from mass spectrometry imaging for multimodal registration

論文の概要: Deep histological synthesis from mass spectrometry imaging for multimodal registration

arxiv url: http://arxiv.org/abs/2506.05441v1
Date: Thu, 05 Jun 2025 12:45:52 GMT
ステータス: 翻訳完了
システム内更新日: 2025-06-09 17:28:43.165005
Title: Deep histological synthesis from mass spectrometry imaging for multimodal registration
Title（参考訳）: マルチモーダル登録のための質量分析画像からの深部組織学的合成
Authors: Kimberley M. Bird, Xujiong Ye, Alan M. Race, James M. Brown,
Abstract要約: 本研究は, ピクサ2ピクセルモデルを用いてMSIから組織像を合成し, 一様登録を効果的に実現する手法を提案する。予備的な結果から,有望な人工組織像と限られた人工組織像が得られ,相互情報(MI)と構造類似度指標(SSIM)は,それぞれ+0.924,+0.419と増加した。
参考スコア（独自算出の注目度）: 0.5495251046328457
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Registration of histological and mass spectrometry imaging (MSI) allows for more precise identification of structural changes and chemical interactions in tissue. With histology and MSI having entirely different image formation processes and dimensionalities, registration of the two modalities remains an ongoing challenge. This work proposes a solution that synthesises histological images from MSI, using a pix2pix model, to effectively enable unimodal registration. Preliminary results show promising synthetic histology images with limited artifacts, achieving increases in mutual information (MI) and structural similarity index measures (SSIM) of +0.924 and +0.419, respectively, compared to a baseline U-Net model. Our source code is available on GitHub: https://github.com/kimberley/MIUA2025.
Abstract（参考訳）: 組織学的および質量分析画像(MSI)の登録により、組織における構造変化と化学相互作用をより正確に同定することができる。組織学とMSIは全く異なる画像形成過程と次元を持つため、2つのモードの登録は現在も進行中の課題である。本研究は, ピクサ2ピクセルモデルを用いてMSIから組織像を合成し, 一様登録を効果的に実現する手法を提案する。予備的な結果は,有望な人工組織像と限定された人工組織像を示し,ベースラインのU-Netモデルと比較して,相互情報(MI)と+0.924と+0.419の構造類似度指標(SSIM)の増加を達成している。ソースコードはGitHubで入手できる。

関連論文リスト

CSG: A Context-Semantic Guided Diffusion Approach in De Novo Musculoskeletal Ultrasound Image Generation [1.727597257312416]
CSG(Context-Semantic Guidance)という,スケーラブルなセマンティック・コンテキスト条件生成モデルを提案する。筋骨格(MSK)超音波画像におけるCSGによる所見(病理異常)の生成能力を示す。その結果,CSGが生成した合成画像はセマンティックセグメンテーションモデルの性能を向上し,実画像との類似性を高めた。
論文参考訳（メタデータ） (2024-12-08T06:48:09Z)
VM-DDPM: Vision Mamba Diffusion for Medical Image Synthesis [0.8111815974227898]
状態空間モデル(SSM)に基づくビジョンマンバDDPM(VM-DDPM)を提案する。我々の知る限り、これはSSM-CNNハイブリッドアーキテクチャに基づく最初の医用画像合成モデルである。 ACDC、BraTS2018、ChestXRayの3つの異なるスケールのデータセットに対する実験的な評価は、VM-DDPMが最先端のパフォーマンスを達成することを実証している。
論文参考訳（メタデータ） (2024-05-09T10:41:18Z)
MS-MANO: Enabling Hand Pose Tracking with Biomechanical Constraints [50.61346764110482]
筋骨格系と学習可能なパラメトリックハンドモデルMANOを統合し,MS-MANOを作成する。このモデルは骨格系を駆動する筋肉と腱の力学をエミュレートし、結果として生じるトルク軌跡に生理学的に現実的な制約を与える。また,マルチ層パーセプトロンネットワークによる初期推定ポーズを改良する,ループ式ポーズ改善フレームワークBioPRを提案する。
論文参考訳（メタデータ） (2024-04-16T02:18:18Z)
An Attentive-based Generative Model for Medical Image Synthesis [18.94900480135376]
注意に基づく二重コントラスト生成モデルであるADC-cycleGANを提案する。このモデルは、二重コントラスト損失項とCycleGAN損失を統合し、合成された画像がソース領域と区別可能であることを保証する。実験により,提案したADCサイクルGANモデルが,他の最先端生成モデルに匹敵するサンプルを生成することが示された。
論文参考訳（メタデータ） (2023-06-02T14:17:37Z)
MRIS: A Multi-modal Retrieval Approach for Image Synthesis on Diverse Modalities [19.31577453889188]
多様なモダリティの画像を合成するために,マルチモーダルなメトリック学習に基づくアプローチを開発する。 3次元磁気共鳴(MR)画像から得られた軟骨厚図を2次元ラジオグラフィーで合成し,そのアプローチを検証した。
論文参考訳（メタデータ） (2023-03-17T20:58:55Z)
AMIGO: Sparse Multi-Modal Graph Transformer with Shared-Context Processing for Representation Learning of Giga-pixel Images [53.29794593104923]
本稿では,スライド病理像全体に対する共有コンテキスト処理の新たな概念を提案する。 AMIGOは、組織内のセルラーグラフを使用して、患者に単一の表現を提供する。我々のモデルは、データの20%以下で同じ性能を達成できる程度に、欠落した情報に対して強い堅牢性を示す。
論文参考訳（メタデータ） (2023-03-01T23:37:45Z)
A Self-attention Guided Multi-scale Gradient GAN for Diversified X-ray Image Synthesis [0.6308539010172307]
GAN(Generative Adversarial Networks)を用いて,合成画像の生成によるデータ制限問題に対処する。モード崩壊、非収束、不安定といったトレーニング課題は、多彩で高品質な画像の合成において、GANのパフォーマンスを低下させる。本研究では,バイオメディカル画像の特徴の長距離依存性の関係をモデル化する,注意誘導型マルチスケール勾配GANアーキテクチャを提案する。
論文参考訳（メタデータ） (2022-10-09T13:17:17Z)
SIAN: Style-Guided Instance-Adaptive Normalization for Multi-Organ Histopathology Image Synthesis [63.845552349914186]
本研究では,異なる臓器に対して,現実的な色分布とテクスチャを合成するためのスタイル誘導型インスタンス適応正規化(SIAN)を提案する。 4つのフェーズは一緒に動作し、生成ネットワークに統合され、イメージセマンティクス、スタイル、インスタンスレベルのバウンダリを埋め込む。
論文参考訳（メタデータ） (2022-09-02T16:45:46Z)
Identity-Aware CycleGAN for Face Photo-Sketch Synthesis and Recognition [61.87842307164351]
まず,画像生成ネットワークの監視に新たな知覚損失を適用したIACycleGAN(Identity-Aware CycleGAN)モデルを提案する。眼や鼻などの重要な顔領域の合成により多くの注意を払うことで、フォトエッチング合成におけるサイクガンを改善する。 IACycleGANによる画像の合成を反復的に行う合成モデルと認識モデルとの相互最適化手法を開発した。
論文参考訳（メタデータ） (2021-03-30T01:30:08Z)
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。