論文の概要: Evaluation of 3D Counterfactual Brain MRI Generation

• arxiv url: http://arxiv.org/abs/2508.02880v1
• Date: Mon, 04 Aug 2025 20:20:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-06 18:18:55.671355
• Title: Evaluation of 3D Counterfactual Brain MRI Generation
• Title（参考訳）: 3次元脳MRIの検討
• Authors: Pengwei Sun, Wei Peng, Lun Yu Li, Yixin Wang, Kilian M. Pohl,
• Abstract要約: 我々は6つの生成モデルを因果グラフに基づく解剖誘導フレームワークを組み込むことにより、3次元の対物的アプローチに変換する。 以上の結果より, 解剖学的条件付けが目的の解剖学的領域の調整に有効であることが示唆された。
• 参考スコア（独自算出の注目度）: 20.30513265599243
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Counterfactual generation offers a principled framework for simulating hypothetical changes in medical imaging, with potential applications in understanding disease mechanisms and generating physiologically plausible data. However, generating realistic structural 3D brain MRIs that respect anatomical and causal constraints remains challenging due to data scarcity, structural complexity, and the lack of standardized evaluation protocols. In this work, we convert six generative models into 3D counterfactual approaches by incorporating an anatomy-guided framework based on a causal graph, in which regional brain volumes serve as direct conditioning inputs. Each model is evaluated with respect to composition, reversibility, realism, effectiveness and minimality on T1-weighted brain MRIs (T1w MRIs) from the Alzheimer's Disease Neuroimaging Initiative (ADNI). In addition, we test the generalizability of each model with respect to T1w MRIs of the National Consortium on Alcohol and Neurodevelopment in Adolescence (NCANDA). Our results indicate that anatomically grounded conditioning successfully modifies the targeted anatomical regions; however, it exhibits limitations in preserving non-targeted structures. Beyond laying the groundwork for more interpretable and clinically relevant generative modeling of brain MRIs, this benchmark highlights the need for novel architectures that more accurately capture anatomical interdependencies.
• Abstract（参考訳）: カウンターファクト・ジェネレーションは、医療画像における仮説的変化をシミュレートするための原則的な枠組みを提供し、病気のメカニズムを理解し、生理学的に妥当なデータを生成するために潜在的に有用である。 しかし、解剖学的および因果的制約を尊重する現実的な構造的3次元脳MRIを生成することは、データの不足、構造的複雑さ、標準化された評価プロトコルの欠如により、依然として困難である。 本研究では,6つの生成モデルを,因果グラフに基づく解剖誘導フレームワークを組み込むことにより,直接条件付け入力として機能する3次元対物モデルに変換する。 それぞれのモデルは、アルツハイマー病神経画像イニシアチブ(ADNI)のT1強調脳MRI(T1w MRI)の合成、可逆性、リアリズム、有効性、最小性について評価される。 また,若年者におけるアルコール・神経発達に関する全国コンソーシアム(NCANDA)のT1wMRIについて,各モデルの一般化可能性を検証する。 以上の結果より, 解剖学的基盤条件は, 標的とする解剖学的領域を適切に調節するが, 非標的構造保存の限界が指摘される。 このベンチマークは、脳MRIのより解釈可能で臨床的に関係のある生成モデリングの基盤となるだけでなく、解剖学的相互依存性をより正確に捉える新しいアーキテクチャの必要性を強調している。

関連論文リスト

• From Flat to Round: Redefining Brain Decoding with Surface-Based fMRI and Cortex Structure [11.760848227175591]
  人間の脳活動(例えばfMRI)から視覚刺激を再構築することは神経科学とコンピュータビジョンを橋渡しする。 球面上の空間的コヒーレントな2次元球面データとしてfMRI信号を明示的にモデル化する新しいスフィア・トークンーザを提案する。 また、構造MRIデータの統合も提案し、個々の解剖学的変動をパーソナライズした符号化を可能にする。
  論文  参考訳（メタデータ） (2025-07-22T09:34:39Z)
• Towards a general-purpose foundation model for fMRI analysis [58.06455456423138]
  我々は,4次元fMRIボリュームから学習し,多様なアプリケーション間で効率的な知識伝達を可能にするフレームワークであるNeuroSTORMを紹介する。 NeuroSTORMは、複数のセンターにまたがる5万人以上の被験者から5歳から100歳までの28.65万fMRIフレーム(→9000時間)で事前トレーニングされている。 年齢/性別予測、表現型予測、疾患診断、fMRI-to-image検索、タスクベースのfMRIの5つのタスクにおいて、既存の手法よりも優れています。
  論文  参考訳（メタデータ） (2025-06-11T23:51:01Z)
• WASABI: A Metric for Evaluating Morphometric Plausibility of Synthetic Brain MRIs [14.385794683789301]
  WASABI(Wasserstein-based Anatomical Brain Index)は、合成脳MRIの解剖学的リアリズムを評価するための新しい指標である。 WASABIは5つの生成モデルから得られた2つの実際のデータセットと合成MRIの実験に基づいて、解剖学的差異の定量化において高い感度を示す。
  論文  参考訳（メタデータ） (2025-04-30T16:16:14Z)
• BrainMRDiff: A Diffusion Model for Anatomically Consistent Brain MRI Synthesis [11.73947657846282]
  BrainMRDiffは、脳MRIのための新しいトポロジー保存、解剖学的誘導拡散モデルである。 これを実現するために,腫瘍+構造凝集(TSA)とトポロジーガイド解剖保存(TGAP)の2つの重要なモジュールを紹介した。 TSAは様々な解剖学的構造と腫瘍情報を統合し、拡散過程の包括的な条件付け機構を形成する。 BrainMRDiffは既存のベースラインを超え、BraTS-AGデータセットで23.33%、BraTS-Metデータセットで33.33%のパフォーマンス改善を実現している。
  論文  参考訳（メタデータ） (2025-04-06T16:16:50Z)
• Interpretable Spatio-Temporal Embedding for Brain Structural-Effective Network with Ordinary Differential Equation [56.34634121544929]
  本研究では,まず動的因果モデルを用いて脳効果ネットワークを構築する。 次に、STE-ODE(Spatio-Temporal Embedding ODE)と呼ばれる解釈可能なグラフ学習フレームワークを導入する。 このフレームワークは、構造的および効果的なネットワーク間の動的相互作用を捉えることを目的とした、特異的に設計されたノード埋め込み層を含んでいる。
  論文  参考訳（メタデータ） (2024-05-21T20:37:07Z)
• MindBridge: A Cross-Subject Brain Decoding Framework [60.58552697067837]
  脳の復号化は、獲得した脳信号から刺激を再構築することを目的としている。 現在、脳の復号化はモデルごとのオブジェクトごとのパラダイムに限られている。 我々は,1つのモデルのみを用いることで,オブジェクト間脳デコーディングを実現するMindBridgeを提案する。
  論文  参考訳（メタデータ） (2024-04-11T15:46:42Z)
• Metadata-Conditioned Generative Models to Synthesize Anatomically-Plausible 3D Brain MRIs [12.492451825171408]
  本稿では, メタデータ条件付きMRI(例えば, 年齢, 性別別MRI)を合成するための新しい生成モデルであるBrain Synthを提案する。 以上の結果から, 合成MRIの脳領域の半数以上が解剖学的に正確であり, 実際のMRIと合成MRIの差は小さいことが示唆された。 われわれの合成MRIは畳み込みニューラルネットワークのトレーニングを大幅に改善し、加速度的老化効果を同定する。
  論文  参考訳（メタデータ） (2023-10-07T00:05:47Z)
• Patched Diffusion Models for Unsupervised Anomaly Detection in Brain MRI [55.78588835407174]
  本稿では,正常脳解剖のパッチベース推定法として拡散モデルの生成タスクを再構築する手法を提案する。 腫瘍と多発性硬化症について検討し,既存のベースラインと比較して25.1%の改善がみられた。
  論文  参考訳（メタデータ） (2023-03-07T09:40:22Z)
• fMRI from EEG is only Deep Learning away: the use of interpretable DL to unravel EEG-fMRI relationships [68.8204255655161]
  多チャンネル脳波データからいくつかの皮質下領域の活性を回復するための解釈可能な領域基底解を提案する。 我々は,皮質下核の血行動態信号の頭皮脳波予測の空間的・時間的パターンを復元する。
  論文  参考訳（メタデータ） (2022-10-23T15:11:37Z)
• Detecting Schizophrenia with 3D Structural Brain MRI Using Deep Learning [12.128463028063146]
  統合失調症(英語: Schizophrenia)は、脳内の構造変化を引き起こす慢性神経精神疾患である。 深層学習は、統合失調症の患者と、見えない構造的MRIスキャンの健康的なコントロールをほぼ完全に区別することができる。 皮質下領域と心室は最も予測可能な脳の領域である。
  論文  参考訳（メタデータ） (2022-06-26T21:44:33Z)
• Scale-Space Autoencoders for Unsupervised Anomaly Segmentation in Brain MRI [47.26574993639482]
  本研究では, 異常セグメンテーション性能の向上と, ネイティブ解像度で入力データのより鮮明な再構成を行う汎用能力を示す。 ラプラシアンピラミッドのモデリングにより、複数のスケールで病変のデライン化と集約が可能になる。
  論文  参考訳（メタデータ） (2020-06-23T09:20:42Z)

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。