論文の概要: Comparative Analysis of GAN and Diffusion for MRI-to-CT translation

• arxiv url: http://arxiv.org/abs/2509.22049v1
• Date: Fri, 26 Sep 2025 08:33:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-29 20:57:54.300756
• Title: Comparative Analysis of GAN and Diffusion for MRI-to-CT translation
• Title（参考訳）: MRI-to-CT翻訳におけるGANと拡散の比較解析
• Authors: Emily Honey, Anders Helbo, Jens Petersen,
• Abstract要約: MRIからCTへの変換によく使われる2つのアーキテクチャの性能を比較した。 古典的な3次元翻訳問題を横面上の2次元翻訳列に分割する。 また、生成過程の条件付けが1つのMRI画像/スライスおよび複数のMRIスライスに与える影響についても検討した。
• 参考スコア（独自算出の注目度）: 0.7668561705871794
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Computed tomography (CT) is essential for treatment and diagnostics; In case CT are missing or otherwise difficult to obtain, methods for generating synthetic CT (sCT) images from magnetic resonance imaging (MRI) images are sought after. Therefore, it is valuable to establish a reference for what strategies are most effective for MRI-to-CT translation. In this paper, we compare the performance of two frequently used architectures for MRI-to-CT translation: a conditional generative adversarial network (cGAN) and a conditional denoising diffusion probabilistic model (cDDPM). We chose well-established implementations to represent each architecture: Pix2Pix for cGAN, and Palette for cDDPM. We separate the classical 3D translation problem into a sequence of 2D translations on the transverse plane, to investigate the viability of a strategy that reduces the computational cost. We also investigate the impact of conditioning the generative process on a single MRI image/slice and on multiple MRI slices. The performance is assessed using a thorough evaluation protocol, including a novel slice-wise metric Similarity Of Slices (SIMOS), which measures the continuity between transverse slices when compiling the sCTs into 3D format. Our comparative analysis revealed that MRI-to-CT generative models benefit from multi-channel conditional input and using cDDPM as an architecture.
• Abstract（参考訳）: CTが欠如している場合や入手が困難である場合、MRI画像から合成CT画像を生成する方法が求められている。 したがって、MRIからCTへの翻訳に最も効果的である戦略の基準を確立することは重要である。 本稿では,MRIからCTへの変換によく使われる2つのアーキテクチャ,すなわち条件生成逆数ネットワーク(cGAN)と条件記述拡散確率モデル(cDDPM)の性能を比較した。 私たちはそれぞれのアーキテクチャを表現するために、cGANのPix2PixとcDDPMのPaletteという、確立した実装を選択しました。 本研究では,古典的な3次元翻訳問題を横面上の2次元翻訳列に分割し,計算コストを低減する戦略の実現可能性について検討する。 また、生成過程の条件付けが1つのMRI画像/スライスおよび複数のMRIスライスに与える影響についても検討した。 sCTを3Dフォーマットにコンパイルする際の横スライス間の連続性を測定するSIMOS(Scrip-wise metric similarity of Slices)を含む、徹底的な評価プロトコルを用いて評価を行う。 比較分析の結果,MRI-to-CT生成モデルは多チャンネル条件入力の恩恵を受け,cDDPMをアーキテクチャとして利用した。

関連論文リスト

• EqDiff-CT: Equivariant Conditional Diffusion model for CT Image Synthesis from CBCT [43.92108185590778]
  画像誘導放射線療法(IGRT)に広く用いられているコーンビームCT(CBCT) CBCTから高品質なCT画像を生成するために,EqDiff-CTという新しい拡散型条件生成モデルを提案する。
  論文  参考訳（メタデータ） (2025-09-26T05:51:59Z)
• 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)
• Leveraging Multimodal CycleGAN for the Generation of Anatomically Accurate Synthetic CT Scans from MRIs [1.779948689352186]
  我々は、MRIから合成CTスキャンを生成するために、Deep Learningモデルの異なる構成の能力を解析する。 異なるMRIモダリティからCTスキャンを生成するために、コントラスト剤を使用しないいくつかのCycleGANモデルを教師なしで訓練した。 結果から, 入力のモーダル性に応じて, モデルが全く異なる性能を持つことを示す。
  論文  参考訳（メタデータ） (2024-07-15T16:38:59Z)
• A Two-Stage Generative Model with CycleGAN and Joint Diffusion for MRI-based Brain Tumor Detection [41.454028276986946]
  本稿では,脳腫瘍の検出とセグメンテーションを改善するための2段階生成モデル(TSGM)を提案する。 CycleGANは、未ペアデータに基づいてトレーニングされ、データとして正常な画像から異常な画像を生成する。 VE-JPは、合成対の異常画像をガイドとして使用して、健康な画像の再構成を行う。
  論文  参考訳（メタデータ） (2023-11-06T12:58:26Z)
• Denoising diffusion-based MRI to CT image translation enables automated spinal segmentation [8.094450260464354]
  本研究は,T1wとT2wのMR画像系列をCT/MRの合計263対のCT画像に変換することを含む。 椎骨登録1回あたりの2つのランドマークは、MRIからCTへの画像と画像の変換を可能にし、すべての未経験のアプローチより優れていた。
  論文  参考訳（メタデータ） (2023-08-18T07:07:15Z)
• Synthetic CT Generation from MRI using 3D Transformer-based Denoising Diffusion Model [2.232713445482175]
  磁気共鳴イメージング(MRI)を用いたシンセティックCT(sCT)は放射線治療計画を簡単にする。 本稿では,MRIを高品質なsCTに変換するためのMRI-to-CT変換器を用いた denoising diffusion probabilistic model (MC-DDPM)を提案する。
  論文  参考訳（メタデータ） (2023-05-31T00:32:00Z)
• Joint Rigid Motion Correction and Sparse-View CT via Self-Calibrating Neural Field [37.86878619100209]
  NeRFは自己教師型ディープラーニングフレームワークとしてSparse-View (SV) CT再構成問題で広く注目を集めている。 既存のNeRFベースのSVCT法は、CT取得中に全く相対的な動きがないと厳密に仮定する。 本研究は, 剛性運動崩壊SV測定からアーチファクトフリーなイメージを復元する自己校正型ニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2022-10-23T13:55:07Z)
• Conversion Between CT and MRI Images Using Diffusion and Score-Matching Models [7.745729132928934]
  本稿では,拡散モデルとスコアマッチングモデルという,新たなディープラーニングフレームワークを提案する。 以上の結果から, 拡散およびスコアマッチングモデルにより, CNNおよびGANモデルよりも優れた合成CT画像が生成されることがわかった。 本研究は,相補的な画像モダリティを用いて得られた画像に基づいて高品質な画像を生成するために,拡散とスコアマッチングモデルが優れていることを示唆する。
  論文  参考訳（メタデータ） (2022-09-24T23:50:54Z)
• 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)
• CyTran: A Cycle-Consistent Transformer with Multi-Level Consistency for Non-Contrast to Contrast CT Translation [56.622832383316215]
  コントラストCTを非コントラストCTに変換する手法を提案する。 提案手法は、CyTranを略して、サイクル一貫性のある生成逆転変換器に基づいている。 実験の結果、CyTranは競合するすべての手法より優れています。
  論文  参考訳（メタデータ） (2021-10-12T23:25:03Z)
• Structurally aware bidirectional unpaired image to image translation between CT and MR [0.14788776577018314]
  深層学習技術は、複数の画像モダリティ間の画像変換に画像の可能性を活用するのに役立つ。 これらの技術は、MRI情報のフィードバックにより、CT下で外科的計画を実行するのに役立つ。
  論文  参考訳（メタデータ） (2020-06-05T11:21:56Z)

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。