論文の概要: Score-based Generative Diffusion Models to Synthesize Full-dose FDG Brain PET from MRI in Epilepsy Patients

• arxiv url: http://arxiv.org/abs/2506.11297v1
• Date: Thu, 12 Jun 2025 20:57:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-16 17:50:49.582272
• Title: Score-based Generative Diffusion Models to Synthesize Full-dose FDG Brain PET from MRI in Epilepsy Patients
• Title（参考訳）: てんかん患者のMRIからフルドーズFDG脳PETを合成するためのスコアベース生成拡散モデル
• Authors: Jiaqi Wu, Jiahong Ouyang, Farshad Moradi, Mohammad Mehdi Khalighi, Greg Zaharchuk,
• Abstract要約: てんかん患者を鑑別するためのFDG PETは,PET/MRI同時撮影における最も一般的な応用の1つである。 本稿では,MRI-PET画像変換タスクにおける拡散型および非拡散型ディープラーニングモデルの性能を比較した。
• 参考スコア（独自算出の注目度）: 2.8588393332510913
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Fluorodeoxyglucose (FDG) PET to evaluate patients with epilepsy is one of the most common applications for simultaneous PET/MRI, given the need to image both brain structure and metabolism, but is suboptimal due to the radiation dose in this young population. Little work has been done synthesizing diagnostic quality PET images from MRI data or MRI data with ultralow-dose PET using advanced generative AI methods, such as diffusion models, with attention to clinical evaluations tailored for the epilepsy population. Here we compared the performance of diffusion- and non-diffusion-based deep learning models for the MRI-to-PET image translation task for epilepsy imaging using simultaneous PET/MRI in 52 subjects (40 train/2 validate/10 hold-out test). We tested three different models: 2 score-based generative diffusion models (SGM-Karras Diffusion [SGM-KD] and SGM-variance preserving [SGM-VP]) and a Transformer-Unet. We report results on standard image processing metrics as well as clinically relevant metrics, including congruency measures (Congruence Index and Congruency Mean Absolute Error) that assess hemispheric metabolic asymmetry, which is a key part of the clinical analysis of these images. The SGM-KD produced the best qualitative and quantitative results when synthesizing PET purely from T1w and T2 FLAIR images with the least mean absolute error in whole-brain specific uptake value ratio (SUVR) and highest intraclass correlation coefficient. When 1% low-dose PET images are included in the inputs, all models improve significantly and are interchangeable for quantitative performance and visual quality. In summary, SGMs hold great potential for pure MRI-to-PET translation, while all 3 model types can synthesize full-dose FDG-PET accurately using MRI and ultralow-dose PET.
• Abstract（参考訳）: てんかん患者を評価するためのフロロデオキシグルコース(FDG)PETは、脳の構造と代謝の両方を画像化する必要があるため、同時PET/MRIの最も一般的な応用の1つである。 MRIデータやMRIデータから診断品質PET画像を超低用量PETで合成する研究は、拡散モデルなどの先進的な生成AI手法を用いて行われ、てんかん患者に合った臨床評価に注目されている。 本稿では,52例の同時PET/MRIを用いたてんかん画像のMRI-to-PET画像翻訳タスクにおける拡散型および非拡散型ディープラーニングモデルの性能を比較した(40 Train/2 Validation/10 hold-out test)。 2つのスコアベース生成拡散モデル(SGM-KD)とSGM-分散保存モデル(SGM-VP)の3つのモデルを検討した。 これらの画像の臨床的解析の鍵となる半球代謝非対称性を評価するコングルエンス指標(Congruence Index, Congruency Mean Absolute Error)やコングルエンス指標(Congruence Mean Absolute Error)など、標準的な画像処理指標および臨床関連指標について報告する。 SGM-KD は T1w と T2 FLAIR 画像から PET を純粋に合成する際に, 全脳特異的取り込み値比 (SUVR) および最高クラス内相関係数で最小限の絶対誤差で最も質的かつ定量的な結果を得た。 入力に1%の低線量PET画像が含まれている場合、全てのモデルは大幅に改善され、定量的な性能と視覚的品質のために交換可能である。 要約すると、SGMは純粋なMRI-PET翻訳において大きな可能性を秘めており、3つのモデルは全てMRIと超低用量PETを使用して、フルドースFDG-PETを正確に合成することができる。

関連論文リスト

• Personalized MR-Informed Diffusion Models for 3D PET Image Reconstruction [44.89560992517543]
  本稿では,PET-MR スキャンのデータセットから対象特異的なPET画像を生成するための簡易な手法を提案する。 私たちが合成した画像は、被験者のMRスキャンからの情報を保持し、高分解能と解剖学的特徴の保持につながる。 18ドルF]FDGデータセットのシミュレーションと実データを用いて,対象特異的な「擬似PET」画像を用いたパーソナライズされた拡散モデルの事前学習により,低カウントデータによる再構成精度が向上することを示す。
  論文  参考訳（メタデータ） (2025-06-04T10:24:14Z)
• GAN-based synthetic FDG PET images from T1 brain MRI can serve to improve performance of deep unsupervised anomaly detection models [1.1259214300411828]
  我々は、T1強調MRIデータから合成脳(18F)フルオロデオキシグルコース(FDG)PET画像を生成するための異なるGANベースのフレームワークを設計、比較した。 深部非教師付き異常検出(UAD)モデルのトレーニングにおいて,これらの偽PETデータを使用することによるさらなる影響について検討する。 以上の結果から, MR T1からFDG PETへの変換, トランスフォーマーや拡散モデルよりも優れたGANモデルが最適であることが確認された。
  論文  参考訳（メタデータ） (2025-05-12T09:00:03Z)
• Functional Imaging Constrained Diffusion for Brain PET Synthesis from Structural MRI [5.190302448685122]
  新しい制約拡散モデル (CDM) を用いて, 入力条件として2組構造MRIを用いた3次元脳PET画像合成のためのフレームワークを提案する。 FICDはPETにノイズを導入し、CDMで徐々に除去する。 CDMは、各denoized PETと基底真理との間のボクセルワイドアライメントを確保するために、機能的イメージング制約を導入して、denoized PETを予測することを学ぶ。
  論文  参考訳（メタデータ） (2024-05-03T22:33:46Z)
• Three-Dimensional Amyloid-Beta PET Synthesis from Structural MRI with Conditional Generative Adversarial Networks [45.426889188365685]
  アルツハイマー病の徴候には、アミロイド-ベタ鉱床と脳萎縮がある。 PETは高価で侵襲的であり、患者を電離放射線に曝す。 MRIはより安価で、非侵襲的で、電離放射線を含まないが、脳萎縮の測定に限られる。
  論文  参考訳（メタデータ） (2024-05-03T14:10:29Z)
• Amyloid-Beta Axial Plane PET Synthesis from Structural MRI: An Image Translation Approach for Screening Alzheimer's Disease [49.62561299282114]
  定量的に正確な構造MRIから合成アミロイドベータPET画像を生成するために、画像翻訳モデルを実装した。 その結果, 合成PET画像は, 形状, コントラスト, 全体的なSSIMおよびPSNRにおいて, 真実と高い類似性で生成できることが判明した。
  論文  参考訳（メタデータ） (2023-09-01T16:26:42Z)
• Contrastive Diffusion Model with Auxiliary Guidance for Coarse-to-Fine PET Reconstruction [62.29541106695824]
  本稿では, 粗い予測モジュール (CPM) と反復的修正モジュール (IRM) から構成される粗大なPET再構成フレームワークを提案する。 計算オーバーヘッドの大部分をCPMに委譲することで,本手法のサンプリング速度を大幅に向上させることができる。 2つの追加戦略、すなわち補助的な誘導戦略と対照的な拡散戦略が提案され、再構築プロセスに統合される。
  論文  参考訳（メタデータ） (2023-08-20T04:10:36Z)
• 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 resource-efficient deep learning framework for low-dose brain PET image reconstruction and analysis [13.713286047709982]
  本稿では,L-PET再構成と解析のための資源効率の高いディープラーニングフレームワーク,TransGAN-SDAMを提案する。 トランスGANは高品質なF-PET画像を生成し、SDAMは生成されたF-PETスライス列の空間情報を統合して全脳F-PET画像を生成する。
  論文  参考訳（メタデータ） (2022-02-14T08:40:19Z)
• 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。