論文の概要: Generative Latent Representations of 3D Brain MRI for Multi-Task Downstream Analysis in Down Syndrome

• arxiv url: http://arxiv.org/abs/2602.13731v1
• Date: Sat, 14 Feb 2026 11:50:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-17 14:17:28.365853
• Title: Generative Latent Representations of 3D Brain MRI for Multi-Task Downstream Analysis in Down Syndrome
• Title（参考訳）: ダウン症候群におけるマルチタスクダウンストリーム解析のための3次元脳MRIの潜在的表現
• Authors: Jordi Malé, Juan Fortea, Mateus Rozalem-Aranha, Neus Martínez-Abadías, Xavier Sevillano,
• Abstract要約: 我々は3次元脳MRIスキャンをコンパクトな潜在空間表現に符号化し、生成的および予測的応用を実現する変分オートエンコーダを開発した。 以上の結果から,VAEは高い再建率を維持しつつ,重要な脳の特徴をとらえることができた。
• 参考スコア（独自算出の注目度）: 3.344873290507966
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generative models have emerged as powerful tools in medical imaging, enabling tasks such as segmentation, anomaly detection, and high-quality synthetic data generation. These models typically rely on learning meaningful latent representations, which are particularly valuable given the high-dimensional nature of 3D medical images like brain magnetic resonance imaging (MRI) scans. Despite their potential, latent representations remain underexplored in terms of their structure, information content, and applicability to downstream clinical tasks. Investigating these representations is crucial for advancing the use of generative models in neuroimaging research and clinical decision-making. In this work, we develop multiple variational autoencoders (VAEs) to encode 3D brain MRI scans into compact latent space representations for generative and predictive applications. We systematically evaluate the effectiveness of the learned representations through three key analyses: (i) a quantitative and qualitative assessment of MRI reconstruction quality, (ii) a visualisation of the latent space structure using Principal Component Analysis, and (iii) downstream classification tasks on a proprietary dataset of euploid and Down syndrome individuals brain MRI scans. Our results demonstrate that the VAE successfully captures essential brain features while maintaining high reconstruction fidelity. The latent space exhibits clear clustering patterns, particularly in distinguishing individuals with Down syndrome from euploid controls.
• Abstract（参考訳）: 生成モデルは医療画像の強力なツールとして登場し、セグメンテーション、異常検出、高品質な合成データ生成などのタスクを可能にしている。 これらのモデルは一般的に、脳磁気共鳴画像(MRI)スキャンのような3D医療画像の高次元的な性質を考えると、有意義な潜伏表現の学習に依存している。 その可能性にもかかわらず、潜伏表現は、その構造、情報内容、下流の臨床的タスクへの適用性の観点から過小評価されている。 これらの表現を調べることは、神経画像研究や臨床的意思決定における生成モデルの利用を促進するために重要である。 本研究では,複数の変分オートエンコーダ(VAE)を開発し,3次元脳MRIスキャンをコンパクトな潜在空間表現に符号化し,生成的および予測的応用を提案する。 学習した表現の有効性を3つの重要な分析によって体系的に評価する。 i)MRI再建の質を定量的に定性的に評価すること。 二 主成分分析による潜伏空間構造の可視化及び 3)脳MRIによる脳卒中・脳卒中症候群の専門的データセットの下流分類課題について検討した。 以上の結果から,VAEは高い再建率を維持しつつ,重要な脳の特徴をとらえることができた。 潜伏空間は明確なクラスタリングパターンを示し、特にダウンシンドロームを持つ個体とユーポイドコントロールを区別する。

関連論文リスト

• Building a General SimCLR Self-Supervised Foundation Model Across Neurological Diseases to Advance 3D Brain MRI Diagnoses [2.4836875944302634]
  3次元脳構造MRIのための汎用高分解能SimCLRベースSSL基盤モデルを提案する。 アルツハイマー病の予測にはラベル付きトレーニングサンプルの20%しか使用していない。
  論文  参考訳（メタデータ） (2025-09-12T18:05:08Z)
• Integrating Anatomical Priors into a Causal Diffusion Model [14.471851828800055]
  3Dの脳MRI研究は、視覚的に検出するのが難しい微妙な形態計測の違いを調べることが多い。 ファクトファクトモデルは、微細な解剖学的詳細を保持するために明示的な誘導バイアスが欠如しているため、プラウジブルMRIを作成するのに苦労する。 本稿では,前述したボクセルレベルの解剖学的制約を,生成拡散フレームワークに明示的に統合することを提案する。
  論文  参考訳（メタデータ） (2025-09-10T23:22:05Z)
• BRISC: Annotated Dataset for Brain Tumor Segmentation and Classification [0.6840587119863303]
  我々は,脳腫瘍のセグメンテーションと分類タスクのためのデータセットであるBRISCを紹介し,高分解能セグメンテーションマスクを特徴とする。 データセットは6000のコントラスト強化T1強調MRIスキャンで構成され、セグメンテーションラベルを欠いた複数の公開データセットから照合された。 悪性腫瘍としてはグリオーマ、髄膜腫、下垂体腫瘍の3種類と非腫瘍の3種類がある。
  論文  参考訳（メタデータ） (2025-06-17T08:56:05Z)
• Brain3D: Generating 3D Objects from fMRI [78.46936519561298]
  被験者のfMRIデータを入力として利用する新しい3Dオブジェクト表現学習手法であるBrain3Dを設計する。 我々は,人間の視覚系の各領域の異なる機能的特徴を,我々のモデルが捉えていることを示す。 予備評価は、Brain3Dがシミュレーションシナリオで障害した脳領域を正常に識別できることを示唆している。
  論文  参考訳（メタデータ） (2024-05-24T06:06:11Z)
• 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)
• NeuroCine: Decoding Vivid Video Sequences from Human Brain Activties [23.893490180665996]
  本稿では,fMRIデータを復号化するための新たな二相フレームワークであるNeuroCineを紹介する。 公開されているfMRIデータセットでテストした結果,有望な結果が得られた。 このモデルが既存の脳構造や機能と一致し,その生物学的妥当性と解釈可能性を示すことが示唆された。
  論文  参考訳（メタデータ） (2024-02-02T17:34:25Z)

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。