論文の概要: Semantically Conditioned Diffusion Models for Cerebral DSA Synthesis
- arxiv url: http://arxiv.org/abs/2602.11703v1
- Date: Thu, 12 Feb 2026 08:31:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-13 21:07:25.719518
- Title: Semantically Conditioned Diffusion Models for Cerebral DSA Synthesis
- Title（参考訳）: 脳内DSA合成のための逐次条件付き拡散モデル
- Authors: Qiwen Xu, David Rügamer, Holger Wenz, Johann Fontana, Nora Meggyeshazi, Andreas Bender, Máté E. Maros,
- Abstract要約: DSAは脳血管疾患の診断と治療において中心的な役割を担っている。
そこで我々は,動脈期脳内DSAフレームを合成する意味条件付き潜時拡散モデル(LDM)を開発した。
- 参考スコア（独自算出の注目度）: 9.599412403937302
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Digital subtraction angiography (DSA) plays a central role in the diagnosis and treatment of cerebrovascular disease, yet its invasive nature and high acquisition cost severely limit large-scale data collection and public data sharing. Therefore, we developed a semantically conditioned latent diffusion model (LDM) that synthesizes arterial-phase cerebral DSA frames under explicit control of anatomical circulation (anterior vs.\ posterior) and canonical C-arm positions. We curated a large single-centre DSA dataset of 99,349 frames and trained a conditional LDM using text embeddings that encoded anatomy and acquisition geometry. To assess clinical realism, four medical experts, including two neuroradiologists, one neurosurgeon, and one internal medicine expert, systematically rated 400 synthetic DSA images using a 5-grade Likert scale for evaluating proximal large, medium, and small peripheral vessels. The generated images achieved image-wise overall Likert scores ranging from 3.1 to 3.3, with high inter-rater reliability (ICC(2,k) = 0.80--0.87). Distributional similarity to real DSA frames was supported by a low median Fréchet inception distance (FID) of 15.27. Our results indicate that semantically controlled LDMs can produce realistic synthetic DSAs suitable for downstream algorithm development, research, and training.
- Abstract（参考訳）: DSA(Digital Subtraction angiography)は脳血管疾患の診断と治療において中心的な役割を担っているが、その侵襲性と高い取得コストは大規模なデータ収集と公開データ共有を著しく制限している。
そこで我々は, 解剖学的循環の明示的な制御の下で, 動脈期脳内DSAフレームを合成する意味的条件付き潜時拡散モデル(LDM)を開発した。
a b c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c c
我々は,99,349フレームの単一中心DSAデータセットをキュレートし,解剖学と取得幾何学を符号化したテキスト埋め込みを用いて条件付きLCMを訓練した。
臨床リアリズムを評価するために、2人の神経放射線医、1人の神経外科医、1人の内科医を含む4人の医療専門家は、5グレードのLikertスケールを使用して400の合成DSA画像を体系的に評価し、近位大、中、小末梢血管の評価を行った。
生成された画像は、画像全体では3.1から3.3まで、高い信頼性(ICC(2,k) = 0.80--0.87)を持つ。
実際のDSAフレームとの分布類似性は15.27のFréchet開始距離(FID)で支持された。
以上の結果から,LDMは下流のアルゴリズム開発,研究,訓練に適した,リアルな合成DSAを生成できることが示唆された。
関連論文リスト
- Anatomically Guided Latent Diffusion for Brain MRI Progression Modeling [10.62087466710015]
Anatomically Guided Latent Diffusion Model (AG-LDM)は、解剖学的に一貫した進行を強制するセグメンテーション誘導フレームワークである。
軽量な3D組織セグメンテーションモデル(WarpSeg)は、オートエンコーダの微調整と拡散モデルトレーニングの両方において、明確な解剖学的監督を提供する。
論文 参考訳（メタデータ） (2026-01-21T01:45:36Z) - POWDR: Pathology-preserving Outpainting with Wavelet Diffusion for 3D MRI [7.901173149711112]
POWDRは、条件付きウェーブレット拡散モデルに基づく3次元MRIのための病理保存アウトペイントフレームワークである。
提案手法はウェーブレット領域の条件付けを利用して,遅延拡散モデルでよく見られる高周波ディテールとぼやけを増大させる。
論文 参考訳（メタデータ） (2026-01-14T00:20:13Z) - One-shot synthesis of rare gastrointestinal lesions improves diagnostic accuracy and clinical training [45.49415063761575]
EndoRareは、単一の参照画像から多種多様な高忠実度病変を合成する、ワンショットでリトレーニング不要な生成フレームワークである。
われわれはこの枠組みを4つの稀な病理から検証した。
これらの結果は, コンピュータ支援診断と臨床教育の両方において, 希少なギャップを埋める実践的でデータ効率のよい方法を確立している。
論文 参考訳（メタデータ） (2025-12-30T15:07:09Z) - Robust High-Resolution Multi-Organ Diffusion MRI Using Synthetic-Data-Tuned Prompt Learning [29.576774395651984]
本稿では,物理インフォームドモデリングと合成データ駆動型即時学習による課題を克服するリコンストラクションフレームワークLoSP-Promptを紹介する。
ショット間位相の変動を高次局所平滑位相(LoSP)としてモデル化し,低ランクハンケル行列再構成に組み込んだ。
論文 参考訳（メタデータ） (2025-10-17T07:51:35Z) - A weakly-supervised deep learning model for fast localisation and delineation of the skeleton, internal organs, and spinal canal on Whole-Body Diffusion-Weighted MRI (WB-DWI) [0.0]
3DパッチをベースとしたResidual U-Netアーキテクチャに基づいた,ディープラーニングの自動パイプラインを開発した。
進行前立腺癌 (APC) と多発性骨髄腫 (MM) の532検体を含む多心性WB-DWIデータセットを用いた。
オートマチックとマニュアルフルボディのADCの相対的な中央値差は10%以下であった。
モデルはアトラスベース登録アルゴリズムの12倍高速であった。
論文 参考訳（メタデータ） (2025-03-26T17:03:46Z) - Enhancing Angular Resolution via Directionality Encoding and Geometric Constraints in Brain Diffusion Tensor Imaging [70.66500060987312]
拡散強調画像(DWI)は、水分子の拡散率に感応した磁気共鳴イメージング(MRI)の一種である。
本研究はDirGeo-DTIを提案する。DirGeo-DTIは、勾配方向の最小理論数(6)で得られたDWIの集合からでも、信頼できるDTIメトリクスを推定する深層学習に基づく手法である。
論文 参考訳（メタデータ） (2024-09-11T11:12:26Z) - Super-resolution of biomedical volumes with 2D supervision [84.5255884646906]
超解像のための仮設スライス拡散は、生物学的標本のすべての空間次元にわたるデータ生成分布の固有同値性を利用する。
我々は,高解像度2次元画像の高速取得を特徴とするSliceRの組織学的刺激(SRH)への応用に着目する。
論文 参考訳（メタデータ） (2024-04-15T02:41:55Z) - Deep Implicit Statistical Shape Models for 3D Medical Image Delineation [47.78425002879612]
解剖学的構造の3次元デライン化は、医用画像解析の基本的な目標である。
ディープラーニング以前は、解剖学的制約を課し高品質の表面を作り出す統計的形状モデルはコア技術だった。
我々は,CNNの表現力とSSMの頑健さを合体させるデライン化の新しい手法であるディープ暗黙的統計的形状モデル(DISSMs)を提案する。
論文 参考訳（メタデータ） (2021-04-07T01:15:06Z) - Fader Networks for domain adaptation on fMRI: ABIDE-II study [68.5481471934606]
我々は3次元畳み込みオートエンコーダを用いて、無関係な空間画像表現を実現するとともに、ABIDEデータ上で既存のアプローチより優れていることを示す。
論文 参考訳（メタデータ） (2020-10-14T16:50:50Z)
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。