Fugu-MT 論文翻訳(概要): 3D Conditional Image Synthesis of Left Atrial LGE MRI from Composite Semantic Masks

論文の概要: 3D Conditional Image Synthesis of Left Atrial LGE MRI from Composite Semantic Masks

arxiv url: http://arxiv.org/abs/2601.04588v1
Date: Thu, 08 Jan 2026 04:35:40 GMT
ステータス: 翻訳完了
システム内更新日: 2026-01-09 17:01:53.038586
Title: 3D Conditional Image Synthesis of Left Atrial LGE MRI from Composite Semantic Masks
Title（参考訳）: 複合セマンティックマスクを用いた左房LGEMRIの3次元コンディショナル画像合成
Authors: Yusri Al-Sanaani, Rebecca Thornhill, Sreeraman Rajan,
Abstract要約: 我々は,高忠実度3次元LGEMRIボリュームを3次元条件生成器を用いて合成するパイプラインを開発した。 SPADE-LDMは最もリアルで構造的に正確な画像を生成する。合成LGE画像で拡張すると、3次元U-NetモデルによるLA空洞分割のためのDiceスコアが改善された。
参考スコア（独自算出の注目度）: 1.452875650827562
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Segmentation of the left atrial (LA) wall and endocardium from late gadolinium-enhanced (LGE) MRI is essential for quantifying atrial fibrosis in patients with atrial fibrillation. The development of accurate machine learning-based segmentation models remains challenging due to the limited availability of data and the complexity of anatomical structures. In this work, we investigate 3D conditional generative models as potential solution for augmenting scarce LGE training data and improving LA segmentation performance. We develop a pipeline to synthesize high-fidelity 3D LGE MRI volumes from composite semantic label maps combining anatomical expert annotations with unsupervised tissue clusters, using three 3D conditional generators (Pix2Pix GAN, SPADE-GAN, and SPADE-LDM). The synthetic images are evaluated for realism and their impact on downstream LA segmentation. SPADE-LDM generates the most realistic and structurally accurate images, achieving an FID of 4.063 and surpassing GAN models, which have FIDs of 40.821 and 7.652 for Pix2Pix and SPADE-GAN, respectively. When augmented with synthetic LGE images, the Dice score for LA cavity segmentation with a 3D U-Net model improved from 0.908 to 0.936, showing a statistically significant improvement (p < 0.05) over the baseline.These findings demonstrate the potential of label-conditioned 3D synthesis to enhance the segmentation of under-represented cardiac structures.
Abstract（参考訳）: 心房細動患者における左心房壁および心内膜からの左心房壁の分画は心房細動の定量化に不可欠である。正確な機械学習ベースのセグメンテーションモデルの開発は、データの可用性の制限と解剖学的構造の複雑さのため、依然として困難である。本研究では,LGE訓練データの増加とLAセグメンテーション性能向上のための3次元条件生成モデルについて検討する。解剖学の専門家アノテーションと教師なし組織クラスターを組み合わせた合成意味ラベルマップから高忠実度3D LGE MRIボリュームを合成するパイプラインを,Pix2Pix GAN, SPADE-GAN, SPADE-LDMの3つの条件生成装置を用いて開発した。合成画像はリアリズムと下流LAセグメンテーションへの影響について評価した。 SPADE-LDMは、Pix2PixとSPADE-GANでそれぞれ40.821と7.652のFIDを持つ4.063のFIDとGANモデルを上回る、最も現実的で構造的に正確な画像を生成する。合成LGE画像を用いた場合, LA空洞セグメンテーションのDiceスコアは0.908から0.936に改善し, ベースラインよりも統計的に有意な改善(p < 0.05)を示した。

関連論文リスト

Accelerating 3D Photoacoustic Computed Tomography with End-to-End Physics-Aware Neural Operators [74.65171736966131]
光音響計算トモグラフィ(PACT)は、光コントラストと超音波分解能を組み合わせることで、光拡散限界を超える深部像を実現する。現在の実装では、高密度トランスデューサアレイと長い取得時間を必要とし、臨床翻訳を制限している。本研究では,センサ計測からボリューム再構成まで,逆音響マッピングを直接学習する物理認識モデルであるPanoを紹介する。
論文参考訳（メタデータ） (2025-09-11T23:12:55Z)
AnatoMaskGAN: GNN-Driven Slice Feature Fusion and Noise Augmentation for Medical Semantic Image Synthesis [1.5295022700131624]
AnatoMaskGANはスライスに関連する空間的特徴を埋め込んで、スライス間のコンテキスト依存を正確に集約する。多様な画像拡張戦略を導入し、複雑な医用画像の性能向上のために、深い特徴学習を最適化する。
論文参考訳（メタデータ） (2025-08-15T10:19:38Z)
SAGCNet: Spatial-Aware Graph Completion Network for Missing Slice Imputation in Population CMR Imaging [3.0273769091742144]
利用可能なスライスから欠落したスライスを補うために、ボリュームMRI合成法が開発されている。心臓磁気共鳴(CMR)のような体積MRIデータの本質的な3次元特性は、スライス計算の欠如に重大な課題をもたらす。本稿では,空間対応グラフ補完ネットワーク(SAGCNet)を提案し,全容積データへの依存を克服する。
論文参考訳（メタデータ） (2025-08-09T16:56:07Z)
TRACE: Temporally Reliable Anatomically-Conditioned 3D CT Generation with Enhanced Efficiency [40.82927972746919]
TRACEは、時間的アライメントを備えた3D医療画像を生成するフレームワークである。重なり合うフレームフレームは、対をフレキシブルな長さシーケンスに分割し、時間的および解剖学的に整列された3Dボリュームに再構成する。
論文参考訳（メタデータ） (2025-07-01T14:35:39Z)
CLAIM: Clinically-Guided LGE Augmentation for Realistic and Diverse Myocardial Scar Synthesis and Segmentation [3.052913696182197]
CLAIM: textbfClinically-Guided textbfLGE textbfAugmentation for Realtextbfiiyocardial Scar Synthesis and framework。 SMILEモジュールは、臨床で採用されているAHA 17セグメントモデルで拡散ベースのジェネレータを条件に、解剖学的に一貫性があり空間的に多様な傷跡パターンで画像を合成する。実験結果から, CLAIMは解剖学的に整合性のある傷跡パターンを生成し, ベースラインモデルと比較してDiceと実際の傷跡分布との類似性が高いことがわかった。
論文参考訳（メタデータ） (2025-06-18T15:21:34Z)
Memory-Efficient 3D High-Resolution Medical Image Synthesis Using CRF-Guided GANs [47.873227167456136]
本稿では、条件付きランダムフィールド(CRF)を用いて依存関係をモデル化する、エンドツーエンドの新しいGANアーキテクチャを提案する。私たちのアーキテクチャは、メモリ使用量が少なく、複雑さも少ないが、最先端のアーキテクチャよりも優れています。
論文参考訳（メタデータ） (2025-03-13T21:31:15Z)
Guided Synthesis of Labeled Brain MRI Data Using Latent Diffusion Models for Segmentation of Enlarged Ventricles [0.4188114563181614]
医学的コンテキストにおけるディープラーニングモデルは、データの不足、不均一性、プライバシー上の懸念といった課題に直面します。本研究は, 合成データを用いた脳MRI画像の心室セグメンテーションの改善に焦点を当てた。
論文参考訳（メタデータ） (2024-11-02T19:44:10Z)
Towards Synergistic Deep Learning Models for Volumetric Cirrhotic Liver Segmentation in MRIs [1.5228650878164722]
世界的死亡の主な原因である肝硬変は、効果的な疾患モニタリングと治療計画のためにROIを正確に区分する必要がある。既存のセグメンテーションモデルは、複雑な機能インタラクションをキャプチャして、さまざまなデータセットをまたいだ一般化に失敗することが多い。本稿では、補間潜在空間を拡張的特徴相互作用モデリングに活用する新しい相乗論的理論を提案する。
論文参考訳（メタデータ） (2024-08-08T14:41:32Z)
A Data Augmentation Pipeline to Generate Synthetic Labeled Datasets of 3D Echocardiography Images using a GAN [6.0419497882916655]
本研究では,3次元心エコー画像とそれに対応する基底真理ラベルを合成する画像生成パイプラインを提案する。提案手法は, 心臓の詳細な解剖学的区分を基底真理ラベル源として利用する。
論文参考訳（メタデータ） (2024-03-08T15:26:27Z)
SDR-Former: A Siamese Dual-Resolution Transformer for Liver Lesion Classification Using 3D Multi-Phase Imaging [59.78761085714715]
本研究は肝病変分類のための新しいSDR-Formerフレームワークを提案する。提案フレームワークは2つの臨床データセットに関する総合的な実験を通じて検証された。科学コミュニティを支援するため,肝病変解析のための多段階MRデータセットを公開しています。
論文参考訳（メタデータ） (2024-02-27T06:32:56Z)
Revisiting 3D Context Modeling with Supervised Pre-training for Universal Lesion Detection in CT Slices [48.85784310158493]
CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
論文参考訳（メタデータ） (2020-12-16T07:11:16Z)

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。