論文の概要: DEMIST: \underline{DE}coupled \underline{M}ulti-stream latent d\underline{I}ffusion for Quantitative Myelin Map \underline{S}yn\underline{T}hesis

• arxiv url: http://arxiv.org/abs/2511.12396v1
• Date: Sun, 16 Nov 2025 00:19:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-18 14:36:24.015423
• Title: DEMIST: \underline{DE}coupled \underline{M}ulti-stream latent d\underline{I}ffusion for Quantitative Myelin Map \underline{S}yn\underline{T}hesis
• Title（参考訳）: DEMIST: \underline{DE} Coupled \underline{M}ulti-stream latent d\underline{I}ffusion for Quantitative Myelin Map \underline{S}yn\underline{T}hesis
• Abstract要約: 定量的磁化転移(qMT)イメージングは、ミエリン感受性バイオマーカー、例えばプールサイズ比(PSR)を提供する 3つの相補的条件付き3次元潜在拡散モデルを用いて標準T1wおよびFLAIR画像からPSRマップを合成するDEMISTを提案する。
• 参考スコア（独自算出の注目度）: 5.105133772716832
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantitative magnetization transfer (qMT) imaging provides myelin-sensitive biomarkers, such as the pool size ratio (PSR), which is valuable for multiple sclerosis (MS) assessment. However, qMT requires specialized 20-30 minute scans. We propose DEMIST to synthesize PSR maps from standard T1w and FLAIR images using a 3D latent diffusion model with three complementary conditioning mechanisms. Our approach has two stages: first, we train separate autoencoders for PSR and anatomical images to learn aligned latent representations. Second, we train a conditional diffusion model in this latent space on top of a frozen diffusion foundation backbone. Conditioning is decoupled into: (i) \textbf{semantic} tokens via cross-attention, (ii) \textbf{spatial} per-scale residual hints via a 3D ControlNet branch, and (iii) \textbf{adaptive} LoRA-modulated attention. We include edge-aware loss terms to preserve lesion boundaries and alignment losses to maintain quantitative consistency, while keeping the number of trainable parameters low and retaining the inductive bias of the pretrained model. We evaluate on 163 scans from 99 subjects using 5-fold cross-validation. Our method outperforms VAE, GAN and diffusion baselines on multiple metrics, producing sharper boundaries and better quantitative agreement with ground truth. Our code is publicly available at https://github.com/MedICL-VU/MS-Synthesis-3DcLDM.
• Abstract（参考訳）: 定量的磁化転移(qMT)イメージングは、多発性硬化症(MS)評価に有用なプールサイズ比(PSR)などのミエリン感受性バイオマーカーを提供する。 しかし、qMTは特別な20-30分スキャンを必要とする。 3つの相補的条件付き3次元潜在拡散モデルを用いて標準T1wおよびFLAIR画像からPSRマップを合成するDEMISTを提案する。 提案手法は,まずPSRと解剖学的画像のための分離オートエンコーダを訓練し,一致した潜在表現を学習する。 第2に,凍結拡散基盤のバックボーン上に,この潜伏空間における条件拡散モデルを訓練する。 条件を次のように分離する。 (i)クロスアテンションによるtextbf{semantic}トークン (ii)3D ControlNetブランチによる大規模残留ヒントあたりのtextbf{spatial} (iii) <textbf{adaptive} LoRA-modulated attention トレーニング可能なパラメータの数を低く保ち,事前訓練したモデルの帰納バイアスを保ちながら,病変境界とアライメント損失の量的整合性を維持するためのエッジ・アウェア・ロス項を含む。 99名の被験者から5倍のクロスバリデーションを用いて163回のスキャンを行った。 提案手法は, VAE, GAN, 拡散基線を複数の指標で比較し, よりシャープな境界と地上の真実との定量的な整合性を向上する。 私たちのコードはhttps://github.com/MedICL-VU/MS-Synthesis-3DcLDMで公開されています。

関連論文リスト

• When Can Test-Time Adaptation Help Zero-Shot CT Vision-Language Models? [31.340014860930058]
  3次元CTビジョン言語モデル(VLM)は、テキストプロンプトからゼロショット方式で異常を分類する。 分散シフト下でのゼロショットマルチラベル予測の信頼性は未だによく分かっていない。 テスト時間適応(TTA)は、ソースデータやターゲットアノテーションを使わずに、ラベルなしのターゲットスキャンでモデルを更新する。
  論文  参考訳（メタデータ） (2026-07-17T01:54:49Z)
• PointDiT: Pixel-Space Diffusion for Monocular Geometry Estimation [105.86385617182879]
  最先端のシングルイメージの3D再構成手法は複雑なハイブリッドアーキテクチャと損失関数に依存していることが多い。 このようなアーキテクチャ上のオーバーヘッドと複雑な損失の定式化は不要であることを示す。 我々は,平易なViT上に構築された最小限の画素空間拡散変換器を導入し,生の3Dポイントマップパッチを直接操作する。
  論文  参考訳（メタデータ） (2026-07-02T17:59:56Z)
• MammoFlow: Multiview Mammogram Synthesis with Anatomically Consistent Flow Matching [3.403175711287673]
  多視点マンモグラフィーは3次元乳房容積の相補的投影を提供するために, 頭蓋側斜視(CC)と中側斜視(MLO)を併用した。 本稿では,CCとMLOの幾何学的関係を利用してマルチビューマンモグラムを合成する手法を提案する。 提案手法は, 画像品質の向上を実証し, 専門放射線技師による評価をパスし, 下流分類AUCを5%向上させる物理的に一貫したペアを生成する。
  論文  参考訳（メタデータ） (2026-06-26T18:43:16Z)
• Anatomically-conditioned Latent Diffusion Model for Data-Efficient Few-Shot Cross-Domain 3D Glioma MRI Synthesis [1.4312099612976772]
  解剖学的条件付き潜在拡散モデル(ALDM)は,データ効率,少数ショットMRI合成のための新しいフレームワークである。 ターゲット画像は16枚しかなく、極端に数発の撮影で評価された。
  論文  参考訳（メタデータ） (2026-06-24T04:42:42Z)
• Continuous-Time Distribution Matching for Few-Step Diffusion Distillation [57.28746398500951]
  本稿では,CDM(Continuous-Time Distribution Matching)を導入し,DMDフレームワークを個別アンカーから連続最適化へ移行する。 まず、固定離散スケジュールをランダム長の動的連続スケジュールに置き換える。 第二に、学生の速度場を介して外挿された潜伏者に対してアクティブな軌道外マッチングを行う連続時間アライメント目的を提案する。
  論文  参考訳（メタデータ） (2026-05-07T14:56:39Z)
• Maximizing T2-Only Prostate Cancer Localization from Expected Diffusion Weighted Imaging [68.57480103120561]
  マルチパラメトリックMRIは前立腺癌の検出と局所化のための第一線非侵襲的アプローチとしてますます推奨されている。 T2w画像のみを用いた早期機械学習の試みは、放射線医に注釈された病変の診断に有望な性能を示した。 本研究は、T2wのみを推論に用いて、独立した病理組織学的ラベルに基づいて個々のがんを局在させる、より難しい応用について検討する。
  論文  参考訳（メタデータ） (2026-04-01T14:50:18Z)
• T3: Test-Time Model Merging in VLMs for Zero-Shot Medical Imaging Analysis [15.624549727053475]
  既存のモデルマージ技術は、様々な医学的手段で一貫した利益をもたらすことができません。 サンプル単位の係数を計算するバックプロパゲーションフリーフレームワークであるTest-Time Task Adaptive merging (T3)を導入する。 ドメイン内、ベース・ツー・ノーベル、および4つのモダリティにまたがる汚職にまたがる厳密な相互評価プロトコルを提案する。
  論文  参考訳（メタデータ） (2025-10-31T08:05:40Z)
• Align Your Tangent: Training Better Consistency Models via Manifold-Aligned Tangents [55.43139356528315]
  一貫性モデル(CM)は、フロー常微分方程式の軌跡に一貫性があるように訓練される。 CMは典型的には、競争力のあるサンプルの品質を得るために、大きなバッチサイズで長期のトレーニングを必要とする。 本稿では,データ多様体に向いた多様体整列接点を提供する,MFDと呼ばれる新しい損失関数を提案する。
  論文  参考訳（メタデータ） (2025-10-01T08:35:18Z)
• Score Distillation of Flow Matching Models [67.86066177182046]
  我々は、Score Identity Distillation (SiD) を事前訓練されたテキスト対画像フローマッチングモデルに拡張する。 SiDは、データフリーとデータアシストの両方の設定で、これらのモデルですぐに使える。 これは、スコア蒸留がテキストと画像のフローマッチングモデルに広く適用されるという最初の体系的な証拠を提供する。
  論文  参考訳（メタデータ） (2025-09-29T17:45:48Z)
• Adversarial Distribution Matching for Diffusion Distillation Towards Efficient Image and Video Synthesis [65.77083310980896]
  本稿では, 実測値と偽測値の間に潜時予測を整列させる適応分布マッチング (ADM) を提案する。 提案手法は,DMD2と比較してSDXLの1ステップ性能に優れ,GPU時間が少ない。 SD3-Medium, SD3.5-Large, CogVideoX に多段階の ADM 蒸留を適用した実験では, 画像と映像の効率的な合成に向けた新しいベンチマークが設定された。
  論文  参考訳（メタデータ） (2025-07-24T16:45:05Z)
• Guiding Registration with Emergent Similarity from Pre-Trained Diffusion Models [16.2208278847136]
  自然のRGB画像を生成するために専用に訓練されたオフザシェルフ拡散モデルは、医用画像における意味論的意味のある対応を識別できる。 本稿では,拡散モデルの特徴を類似度尺度として活用して,変形可能な画像登録ネットワークを導くことを提案する。
  論文  参考訳（メタデータ） (2025-06-03T04:07:04Z)
• Towards Unified and Lossless Latent Space for 3D Molecular Latent Diffusion Modeling [90.23688195918432]
  3次元分子生成は、薬物発見と物質科学に不可欠である。 既存のアプローチは、典型的には不変かつ同変なモジュラリティに対して別々のラテント空間を保持する。 我々は,3次元分子を潜在空間から潜在配列に圧縮するマルチモーダルVAEである textbfUAE-3D を提案する。
  論文  参考訳（メタデータ） (2025-03-19T08:56:13Z)
• Rectified Diffusion Guidance for Conditional Generation [94.83538269086613]
  CFGの背後にある理論を再検討し、不適切な組合せ係数(textiti.e.)が生成分布を期待的にシフトさせることを厳密に確認する。 提案手法は, 強みを考慮すれば, textbftextitform ソリューションが有効であることを示す。 実世界のデータに関する実証的な証拠は、我々の設計と既存の最先端拡散モデルとの整合性を実証している。
  論文  参考訳（メタデータ） (2024-10-24T13:41:32Z)
• Orthogonal Matrix Retrieval with Spatial Consensus for 3D Unknown-View Tomography [58.60249163402822]
  未知視トモグラフィ(UVT)は、未知のランダムな向きで2次元投影から3次元密度マップを再構成する。 提案したOMRはより堅牢で、従来の最先端のOMRアプローチよりも大幅に性能が向上している。
  論文  参考訳（メタデータ） (2022-07-06T21:40:59Z)
• The Manifold Hypothesis for Gradient-Based Explanations [55.01671263121624]
  勾配に基づく説明アルゴリズムは知覚的に整合した説明を提供する。 特徴属性がデータの接する空間と一致しているほど、知覚的に一致している傾向にあることを示す。 説明アルゴリズムは、その説明をデータ多様体と整合させるよう積極的に努力すべきである。
  論文  参考訳（メタデータ） (2022-06-15T08:49:24Z)
• Self-supervised 3D anatomy segmentation using self-distilled masked image transformer (SMIT) [2.7298989068857487]
  自己教師型学習は、畳み込みネットワークを用いた医用画像のセグメンテーションに成功している。 我々は、我々のアプローチがより正確で、他のプリテキストタスクよりも微調整データセットを少なくする必要があることを示した。
  論文  参考訳（メタデータ） (2022-05-20T17:55:14Z)
• Using the Order of Tomographic Slices as a Prior for Neural Networks Pre-Training [1.1470070927586016]
  ボリュームの代わりにスライス上でSortingLossを事前学習する手法を提案する。 ボリュームではなくスライスで事前トレーニングを行うので、スライスのスパースセットでモデルを微調整することができる。 提案手法はSimCLRと同等に動作し、2倍高速に動作し、1.5倍少ないメモリを必要とすることを示す。
  論文  参考訳（メタデータ） (2022-03-17T14:58:15Z)
• Non-line-of-Sight Imaging via Neural Transient Fields [52.91826472034646]
  NLOS(non-Line-of-Sight)イメージングのためのニューラルモデリングフレームワークを提案する。 最近のNeRF(Neural Radiance Field)アプローチにインスパイアされた我々は、ニューラルネットワーク(NeTF)を表現するために多層パーセプトロン(MLP)を使用する。 共焦点と非共焦点の両方に適用可能な球状ボリュームnetf再構成パイプラインを定式化する。
  論文  参考訳（メタデータ） (2021-01-02T05:20:54Z)
• Manifold-Aware CycleGAN for High-Resolution Structural-to-DTI Synthesis [8.829738147738222]
  本稿では,T1w画像から高分解能DTIの生成を学習する多様体対応CycleGANを提案する。 提案手法は,拡散測定値の計算やファイバトラクトグラフィーアルゴリズムの実行に使用可能な,現実的な高分解能DTIを生成することができる。
  論文  参考訳（メタデータ） (2020-04-01T00:08:14Z)

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。