Fugu-MT 論文翻訳(概要): Language-Enhanced Generative Modeling for PET Synthesis from MRI and Blood Biomarkers

論文の概要: Language-Enhanced Generative Modeling for PET Synthesis from MRI and Blood Biomarkers

arxiv url: http://arxiv.org/abs/2511.02206v1
Date: Tue, 04 Nov 2025 02:53:25 GMT
ステータス: 翻訳完了
システム内更新日: 2025-11-05 18:47:05.782571
Title: Language-Enhanced Generative Modeling for PET Synthesis from MRI and Blood Biomarkers
Title（参考訳）: MRIおよび血液バイオマーカーを用いたPET合成のための言語拡張生成モデル
Authors: Zhengjie Zhang, Xiaoxie Mao, Qihao Guo, Shaoting Zhang, Qi Huang, Mu Zhou, Fang Xie, Mianxin Liu,
Abstract要約: アルツハイマー病の診断はアミロイド-βポジトロン断層撮影(Abeta-PET)に大きく依存している本研究では,血液ベースのバイオマーカー(BBM)とMRIによるAbeta-PET空間パターンの予測について検討した。
参考スコア（独自算出の注目度）: 19.691395767168633
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Background: Alzheimer's disease (AD) diagnosis heavily relies on amyloid-beta positron emission tomography (Abeta-PET), which is limited by high cost and limited accessibility. This study explores whether Abeta-PET spatial patterns can be predicted from blood-based biomarkers (BBMs) and MRI scans. Methods: We collected Abeta-PET images, T1-weighted MRI scans, and BBMs from 566 participants. A language-enhanced generative model, driven by a large language model (LLM) and multimodal information fusion, was developed to synthesize PET images. Synthesized images were evaluated for image quality, diagnostic consistency, and clinical applicability within a fully automated diagnostic pipeline. Findings: The synthetic PET images closely resemble real PET scans in both structural details (SSIM = 0.920 +/- 0.003) and regional patterns (Pearson's r = 0.955 +/- 0.007). Diagnostic outcomes using synthetic PET show high agreement with real PET-based diagnoses (accuracy = 0.80). Using synthetic PET, we developed a fully automatic AD diagnostic pipeline integrating PET synthesis and classification. The synthetic PET-based model (AUC = 0.78) outperforms T1-based (AUC = 0.68) and BBM-based (AUC = 0.73) models, while combining synthetic PET and BBMs further improved performance (AUC = 0.79). Ablation analysis supports the advantages of LLM integration and prompt engineering. Interpretation: Our language-enhanced generative model synthesizes realistic PET images, enhancing the utility of MRI and BBMs for Abeta spatial pattern assessment and improving the diagnostic workflow for Alzheimer's disease.
Abstract（参考訳）: 背景: Alzheimer 病 (AD) の診断はアミロイド-βポジトロン断層撮影 (Abeta-PET) に大きく依存している。本研究では,血液ベースのバイオマーカー(BBM)とMRIによるAbeta-PET空間パターンの予測について検討した。方法】Abeta-PET画像,T1強調MRI,BBMを566名から収集した。大規模言語モデル(LLM)と多モーダル情報融合によって駆動される言語拡張生成モデルを構築し,PET画像の合成を行った。完全自動診断パイプラインにおける画像品質, 診断整合性, 臨床応用性について, 合成画像の評価を行った。結果: 合成PET画像は構造的詳細(SSIM = 0.920 +/-0.003)と局所パターン(ピアソンのr = 0.955 +/-0.007)によく似ている。 PETを用いた診断結果は, 実際のPET診断と高い一致(精度=0.80)を示した。合成PETを用いて,PET合成と分類を統合した完全自動AD診断パイプラインを開発した。合成PETベースモデル(AUC = 0.78)は、T1ベース(AUC = 0.68)とBBMベース(AUC = 0.73)モデルより優れ、合成PETとBBMを組み合わせることでさらに性能が向上した(AUC = 0.79)。アブレーション解析は、LLM統合と迅速なエンジニアリングの利点をサポートする。解釈:我々の言語による生成モデルは,現実的なPET画像の合成,アベタ空間パターン評価のためのMRIおよびBBMの有用性の向上,アルツハイマー病の診断ワークフローの改善などを行う。

関連論文リスト

PanoDiff-SR: Synthesizing Dental Panoramic Radiographs using Diffusion and Super-resolution [60.970656010712275]
PanoDiff と Super-Resolution (SR) を組み合わせて合成歯科用パノラマ線写真(PR)を作製する手法を提案する。前者は、SRモデルで処理されたPRの低分解能(LR)シードを生成し、1024×512の高分解能(HR)PRを生成する。 SRでは,局所的・言語的関係を学習し,よりシャープなエッジやテクスチャをもたらす最先端のトランスフォーマーを提案する。
論文参考訳（メタデータ） (2025-07-12T09:52:10Z)
Supervised Diffusion-Model-Based PET Image Reconstruction [44.89560992517543]
PET画像再構成の前兆として拡散モデル (DM) が導入された。 PET再構成のための教師付きDMベースアルゴリズムを提案する。本手法はPETのポアソン確率モデルの非負性性を強制し,PET画像の広い範囲に適応する。
論文参考訳（メタデータ） (2025-06-30T16:39:50Z)
Score-based Generative Diffusion Models to Synthesize Full-dose FDG Brain PET from MRI in Epilepsy Patients [2.8588393332510913]
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。
論文参考訳（メタデータ） (2025-06-12T20:57:02Z)
Personalized MR-Informed Diffusion Models for 3D PET Image Reconstruction [40.722159771726375]
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)
Synthesizing beta-amyloid PET images from T1-weighted Structural MRI: A Preliminary Study [6.4038303148510005]
T1強調MRI画像から3次元拡散モデルを用いてA$beta$-PET画像を合成する手法を提案する。本手法は, 軽度認知障害 (MCI) 患者に対して有効ではないものの, 認知正常症例に対して高品質なA$beta$-PET画像を生成する。
論文参考訳（メタデータ） (2024-09-26T20:51:59Z)
PASTA: Pathology-Aware MRI to PET Cross-Modal Translation with Diffusion Models [7.6672160690646445]
本研究では,条件付き拡散モデルに基づく新しい画像翻訳フレームワークであるPASTAを紹介する。サイクル交換一貫性とボリューム生成戦略は、高品質な3DPETスキャンを生成するPASTAの能力を高める。アルツハイマー分類では、合成スキャンの性能はMRIよりも4%向上し、実際のPETの性能にほぼ達する。
論文参考訳（メタデータ） (2024-05-27T08:33:24Z)
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)

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。