論文の概要: 3D Wavelet Latent Diffusion Model for Whole-Body MR-to-CT Modality Translation

• arxiv url: http://arxiv.org/abs/2507.11557v1
• Date: Mon, 14 Jul 2025 06:17:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-17 19:00:11.062029
• Title: 3D Wavelet Latent Diffusion Model for Whole-Body MR-to-CT Modality Translation
• Title（参考訳）: 全体MR-CTモダリティ変換のための3次元ウェーブレット遅延拡散モデル
• Authors: Jiaxu Zheng, Meiman He, Xuhui Tang, Xiong Wang, Tuoyu Cao, Tianyi Zeng, Lichi Zhang, Chenyu You,
• Abstract要約: 既存の全身画像のためのMR-to-CT法では、生成したCT画像と入力したMR画像との空間的アライメントが低くなることが多い。 本稿では,これらの制約に対処する新しい3次元ウェーブレット遅延拡散モデル(3D-WLDM)を提案する。 エンコーダ・デコーダアーキテクチャにWavelet Residual Moduleを組み込むことで,画像空間と潜伏空間をまたいだ微細な特徴の捕捉と再構築が促進される。
• 参考スコア（独自算出の注目度）: 13.252652406393205
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Magnetic Resonance (MR) imaging plays an essential role in contemporary clinical diagnostics. It is increasingly integrated into advanced therapeutic workflows, such as hybrid Positron Emission Tomography/Magnetic Resonance (PET/MR) imaging and MR-only radiation therapy. These integrated approaches are critically dependent on accurate estimation of radiation attenuation, which is typically facilitated by synthesizing Computed Tomography (CT) images from MR scans to generate attenuation maps. However, existing MR-to-CT synthesis methods for whole-body imaging often suffer from poor spatial alignment between the generated CT and input MR images, and insufficient image quality for reliable use in downstream clinical tasks. In this paper, we present a novel 3D Wavelet Latent Diffusion Model (3D-WLDM) that addresses these limitations by performing modality translation in a learned latent space. By incorporating a Wavelet Residual Module into the encoder-decoder architecture, we enhance the capture and reconstruction of fine-scale features across image and latent spaces. To preserve anatomical integrity during the diffusion process, we disentangle structural and modality-specific characteristics and anchor the structural component to prevent warping. We also introduce a Dual Skip Connection Attention mechanism within the diffusion model, enabling the generation of high-resolution CT images with improved representation of bony structures and soft-tissue contrast.
• Abstract（参考訳）: MRIは現代臨床診断において重要な役割を担っている。 ハイブリッドポジトロン・エミッション・トモグラフィ/磁気共鳴(PET/MR)イメージングやMRのみの放射線治療など、高度な治療ワークフローへの統合が進んでいる。 これらの統合されたアプローチは、放射減衰の正確な推定に極めて依存しており、一般的にはCT像をMRスキャンから合成して減衰マップを生成することで促進される。 しかし, 既存のMR-to-CT合成法では, 生成したCT画像と入力したMR画像との空間的アライメントが悪く, 下流臨床で信頼性の高い画像品質が不十分である場合が多い。 本稿では,3次元ウェーブレット遅延拡散モデル(3D-WLDM)を提案する。 エンコーダ・デコーダアーキテクチャにWavelet Residual Moduleを組み込むことで,画像空間と潜伏空間をまたいだ微細な特徴の捕捉と再構築が促進される。 拡散過程における解剖学的整合性を維持するため, 構造的特性とモダリティ特異的特性を分離し, 構造的成分を固定し, 変形を防止する。 また,拡散モデル内にデュアルスキップ接続アテンション機構を導入し,ボニー構造とソフトチップコントラストの表現を改善した高分解能CT画像の生成を可能にする。

関連論文リスト

• Latent Space Consistency for Sparse-View CT Reconstruction [10.057432803124167]
  潜在拡散モデル(LDM)は3次元CTの領域において有望な可能性を証明している。 2次元X線画像から潜伏した3D情報を効率的に抽出するために、クロスモーダル特徴コントラスト学習を用いる。 その結果, CLS-DMは標準的なボクセルレベルの指標で古典的, 最先端の生成モデルよりも優れていた。
  論文  参考訳（メタデータ） (2025-07-15T10:02:19Z)
• JSover: Joint Spectrum Estimation and Multi-Material Decomposition from Single-Energy CT Projections [45.14515691206885]
  多物質分解(MMD)は、ヒト体内の組織組成を定量的に再構築することを可能にする。 従来のMDDは、通常、スペクトルCTスキャナーと事前に測定したX線エネルギースペクトルを必要とし、臨床応用性を大幅に制限する。 本稿では,多材料構成を共同で再構成し,SECT投影から直接エネルギースペクトルを推定する一段階SEMMDフレームワークであるJSoverを提案する。
  論文  参考訳（メタデータ） (2025-05-12T23:32:21Z)
• ZECO: ZeroFusion Guided 3D MRI Conditional Generation [11.645873358288648]
  ZECOはZeroFusionでガイドされた3D MRI条件生成フレームワークである。 対応する3Dセグメンテーションマスクを備えた高忠実度MRI画像の抽出、圧縮、生成を行う。 ZECOは、脳MRIデータセットの定量的および質的な評価において、最先端モデルよりも優れている。
  論文  参考訳（メタデータ） (2025-03-24T00:04:52Z)
• 3D MedDiffusion: A 3D Medical Diffusion Model for Controllable and High-quality Medical Image Generation [47.701856217173244]
  制御可能な高品質な3次元医用画像生成のための3Dメディカルディフュージョン(3Dメドディフュージョン)モデル 3D MedDiffusionは、パッチワイドエンコーディングによって医療画像を潜在空間に圧縮する、新しくて高効率なPatch-Volume Autoencoderを組み込んでいる。 3D MedDiffusion は, 再生品質において最先端の手法を超越し, スパースビューCT再構成, 高速MRI再構成, データ拡張などのタスクに強い一般化性を示すことを示す。
  論文  参考訳（メタデータ） (2024-12-17T16:25:40Z)
• Two-Stage Approach for Brain MR Image Synthesis: 2D Image Synthesis and 3D Refinement [1.5683566370372715]
  腫瘍像を正確に表現することで,欠失モードの特異な特徴を反映したMRI画像の合成が重要である。 本稿では,2次元スライスからMR画像を合成する2段階の手法を提案する。
  論文  参考訳（メタデータ） (2024-10-14T08:21:08Z)
• FCDM: A Physics-Guided Bidirectional Frequency Aware Convolution and Diffusion-Based Model for Sinogram Inpainting [14.043383277622874]
  そこで本研究では,物理誘導型ノングラムインペイントフレームワークFCDMを提案する。 双方向周波数領域の畳み込みを統合して重なり合う特徴を解消し、物理インフォームド・ロスによる全吸収と周波数領域の一貫性を強制する。 合成および実世界のデータセットの実験では、FCDMは既存の手法より優れており、SSIMは0.95以上、PSNRは30dB以上、ベースラインは最大33%、29%改善している。
  論文  参考訳（メタデータ） (2024-08-26T12:31:38Z)
• Unpaired Volumetric Harmonization of Brain MRI with Conditional Latent Diffusion [13.563413478006954]
  条件付き潜時拡散(HCLD)による新しい3次元MRI高調波化フレームワークを提案する。 一般化可能な3Dオートエンコーダを備え、4Dラテント空間を通じてMRIを符号化しデコードする。 HCLDは、潜伏分布を学習し、ターゲット画像スタイルで条件付きで、ソースMRIから解剖学的情報と調和したMRIを生成する。
  論文  参考訳（メタデータ） (2024-08-18T00:13:48Z)
• SDR-Former: A Siamese Dual-Resolution Transformer for Liver Lesion Classification Using 3D Multi-Phase Imaging [59.78761085714715]
  本研究は肝病変分類のための新しいSDR-Formerフレームワークを提案する。 提案フレームワークは2つの臨床データセットに関する総合的な実験を通じて検証された。 科学コミュニティを支援するため,肝病変解析のための多段階MRデータセットを公開しています。
  論文  参考訳（メタデータ） (2024-02-27T06:32:56Z)
• Volumetric Reconstruction Resolves Off-Resonance Artifacts in Static and Dynamic PROPELLER MRI [76.60362295758596]
  磁気共鳴イメージング(MRI)におけるオフ共鳴アーティファクトは、画像ボリューム内のスピンの実際の共鳴周波数が空間情報を符号化するのに使用される期待周波数と異なる場合に発生する視覚歪みである。 本稿では,2次元MRI再構成問題を3次元に引き上げ,このオフ共鳴をモデル化するための「スペクトル」次元を導入することで,これらのアーチファクトを解決することを提案する。
  論文  参考訳（メタデータ） (2023-11-22T05:44:51Z)
• X-Ray2EM: Uncertainty-Aware Cross-Modality Image Reconstruction from X-Ray to Electron Microscopy in Connectomics [55.6985304397137]
  膜セグメンテーション品質を向上したEMライクな画像にX線画像を変換する不確実性を考慮した3D再構成モデルを提案する。 これは、よりシンプルで、より高速で、より正確なX線ベースのコネクトロミクスパイプラインを開発する可能性を示している。
  論文  参考訳（メタデータ） (2023-03-02T00:52:41Z)
• 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)
• Multi-modal Aggregation Network for Fast MR Imaging [85.25000133194762]
  我々は,完全サンプル化された補助モダリティから補完表現を発見できる,MANetという新しいマルチモーダル・アグリゲーション・ネットワークを提案する。 我々のMANetでは,完全サンプリングされた補助的およびアンアンサンプされた目標モダリティの表現は,特定のネットワークを介して独立に学習される。 私たちのMANetは、$k$-spaceドメインの周波数信号を同時に回復できるハイブリッドドメイン学習フレームワークに従います。
  論文  参考訳（メタデータ） (2021-10-15T13:16:59Z)
• Frequency-Supervised MR-to-CT Image Synthesis [23.47506325756089]
  本稿では磁気共鳴(MR)画像から合成CT画像を生成する。 既存のアプローチはすべて共通の制限を共有しており、CT画像の高周波部分と周辺を再構成する。 我々は,高頻度MR-CT画像再構成を明示的に向上するために,周波数教師付きディープネットワークを導入する。
  論文  参考訳（メタデータ） (2021-07-19T15:18:36Z)
• Tattoo tomography: Freehand 3D photoacoustic image reconstruction with an optical pattern [49.240017254888336]
  光音響トモグラフィ(PAT)は、形態学的および機能的組織特性の両方を解決することができる新しいイメージング技術である。 現在の欠点は、従来の2Dプローブによって提供される視野の制限である。 本研究では,外部追跡システムを必要としないPATデータの3次元再構成手法を提案する。
  論文  参考訳（メタデータ） (2020-11-10T09:27:56Z)
• Multifold Acceleration of Diffusion MRI via Slice-Interleaved Diffusion Encoding (SIDE) [50.65891535040752]
  本稿では,Slice-Interleaved Diffusionと呼ばれる拡散符号化方式を提案する。 SIDEは、拡散重み付き(DW)画像ボリュームを異なる拡散勾配で符号化したスライスでインターリーブする。 また,高いスライスアンサンプデータからDW画像を効果的に再構成するためのディープラーニングに基づく手法を提案する。
  論文  参考訳（メタデータ） (2020-02-25T14:48:17Z)

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。