論文の概要: MRIQT: Physics-Aware Diffusion Model for Image Quality Transfer in Neonatal Ultra-Low-Field MRI

• arxiv url: http://arxiv.org/abs/2511.13232v1
• Date: Mon, 17 Nov 2025 10:51:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-18 14:36:25.137677
• Title: MRIQT: Physics-Aware Diffusion Model for Image Quality Transfer in Neonatal Ultra-Low-Field MRI
• Title（参考訳）: MRIQT: 新生児超低磁場MRIにおける画像品質伝達のための物理認識拡散モデル
• Authors: Malek Al Abed, Sebiha Demir, Anne Groteklaes, Elodie Germani, Shahrooz Faghihroohi, Hemmen Sabir, Shadi Albarqouni,
• Abstract要約: 可搬型超低磁場MRI (uLF-MRI) は新生児医療に利用できる神経画像を提供するが、低信号対雑音比と診断精度の低下に悩まされている。 ULFからHF MRIへの画像品質伝達のための3次元条件拡散フレームワークであるMRIQTを提案する。
• 参考スコア（独自算出の注目度）: 2.180751253048667
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Portable ultra-low-field MRI (uLF-MRI, 0.064 T) offers accessible neuroimaging for neonatal care but suffers from low signal-to-noise ratio and poor diagnostic quality compared to high-field (HF) MRI. We propose MRIQT, a 3D conditional diffusion framework for image quality transfer (IQT) from uLF to HF MRI. MRIQT combines realistic K-space degradation for physics-consistent uLF simulation, v-prediction with classifier-free guidance for stable image-to-image generation, and an SNR-weighted 3D perceptual loss for anatomical fidelity. The model denoises from a noised uLF input conditioned on the same scan, leveraging volumetric attention-UNet architecture for structure-preserving translation. Trained on a neonatal cohort with diverse pathologies, MRIQT surpasses recent GAN and CNN baselines in PSNR 15.3% with 1.78% over the state of the art, while physicians rated 85% of its outputs as good quality with clear pathology present. MRIQT enables high-fidelity, diffusion-based enhancement of portable ultra-low-field (uLF) MRI for deliable neonatal brain assessment.
• Abstract（参考訳）: 可搬型超低磁場MRI (uLF-MRI, 0.064 T) は新生児治療に有用であるが, 信号-雑音比が低く, 診断精度も低い。 ULFからHF MRIへの画像品質伝達のための3次元条件拡散フレームワークであるMRIQTを提案する。 MRIQTは、物理一貫性のあるULFシミュレーションのための現実的なK空間の劣化と、安定な画像・画像生成のための分類子なしガイダンスと、解剖学的忠実度に対するSNR重み付き3次元知覚損失を組み合わせた。 このモデルは、同じスキャンで条件付けされたノイズ付きULF入力から、構造保存翻訳にボリュームアテンション-UNetアーキテクチャを利用する。 様々な病態を持つ新生児コホートで訓練されたMRIQTは、最近のGANとCNNのベースラインを15.3%超え、1.78%が最先端にある。 MRIQTは、新生児脳評価のためのポータブル超低磁場MRI(uLF)の高忠実で拡散に基づく拡張を可能にする。

関連論文リスト

• A Generative Diffusion Model to Solve Inverse Problems for Robust in-NICU Neonatal MRI [2.508200203858861]
  新生児集中治療室(NICU)におけるMRI(MRI)の初回取得・診断拡散生成モデルについて紹介する。 In-NICU MRIスキャナーは、脳の潜在的な異常を非侵襲的に評価するために、低磁場強度の永久磁石を利用する。 この設定では、トレーニングデータのサイズは小さく、本質的には低信号対雑音比(SNR)に悩まされている。
  論文  参考訳（メタデータ） (2024-10-28T23:12:09Z)
• A Unified Model for Compressed Sensing MRI Across Undersampling Patterns [69.19631302047569]
  様々な計測アンサンプパターンと画像解像度に頑健な統合MRI再構成モデルを提案する。 我々のモデルは、拡散法よりも600$times$高速な推論で、最先端CNN(End-to-End VarNet)の4dBでSSIMを11%改善し、PSNRを4dB改善する。
  論文  参考訳（メタデータ） (2024-10-05T20:03:57Z)
• NeuroPictor: Refining fMRI-to-Image Reconstruction via Multi-individual Pretraining and Multi-level Modulation [55.51412454263856]
  本稿では,fMRI信号を用いた拡散モデル生成過程を直接変調することを提案する。 様々な個人から約67,000 fMRI-imageペアのトレーニングを行うことで,fMRI-to-imageデコーディング能力に優れたモデルが得られた。
  論文  参考訳（メタデータ） (2024-03-27T02:42:52Z)
• 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)
• Denoising Simulated Low-Field MRI (70mT) using Denoising Autoencoders (DAE) and Cycle-Consistent Generative Adversarial Networks (Cycle-GAN) [68.8204255655161]
  高磁場, 高分解能, 高信号-雑音比 (SNR) 磁気共鳴イメージング (MRI) 画像を得るために, GAN (Cycle Consistent Generative Adversarial Network) が実装されている。 Denoising Autoencoder(DAE)とCycle-GANをペアとアンペアのケースで訓練するために画像が使用された。 この研究は、古典的DAEを上回り、低磁場MRI画像を改善することができ、画像ペアを必要としない生成的ディープラーニングモデルの使用を実証する。
  論文  参考訳（メタデータ） (2023-07-12T00:01:00Z)
• Low-field magnetic resonance image enhancement via stochastic image quality transfer [5.0300525464861385]
  低磁場(1T)磁気共鳴イメージング(MRI)スキャナーは、低所得国や中所得国(LMICs)で広く使われている。 低磁場MR画像は通常、高分解能画像(1.5T、3T以上)よりも解像度が低くコントラストが低い。 そこで本研究では、低磁場画像から高磁場で得られた画像から低磁場構造体MRIを推定することにより、画像品質変換(IQT)を提案する。
  論文  参考訳（メタデータ） (2023-04-26T08:52:29Z)
• Automated SSIM Regression for Detection and Quantification of Motion Artefacts in Brain MR Images [54.739076152240024]
  磁気共鳴脳画像における運動アーチファクトは重要な問題である。 MR画像の画質評価は,臨床診断に先立って基本的である。 構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
  論文  参考訳（メタデータ） (2022-06-14T10:16:54Z)
• Interpretability Aware Model Training to Improve Robustness against Out-of-Distribution Magnetic Resonance Images in Alzheimer's Disease Classification [8.050897403457995]
  異なるMRIハードウェアから派生した分布外サンプルに対するロバスト性を改善するために,解釈可能性を考慮した対向訓練システムを提案する。 本報告では, 分布外のサンプルに対して有望な性能を示す予備的な結果を示す。
  論文  参考訳（メタデータ） (2021-11-15T04:42:47Z)
• Image Quality Transfer Enhances Contrast and Resolution of Low-Field Brain MRI in African Paediatric Epilepsy Patients [1.8884732354822316]
  1.5T または 3T スキャナーは、現在の臨床MRIの標準であるが、低磁場 (1T) スキャナーは、多くの低所得国や中所得国で依然として一般的である。 ローフィールドスキャナーは、等価解像度での信号対雑音比の低い画像を提供する。 画像品質伝達の最近のパラダイムは、0.36T構造画像を強化するために適用されている。
  論文  参考訳（メタデータ） (2020-03-16T13:46:58Z)

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。